Google ist Pionier darin, KI-Systemen menschliches Lernen beizubringen. Sein DeepMind-Team wendet Methoden des kindlichen Lernens an, um Umgebungen zu verstehen, Laufen zu erlernen oder kreativ zu gestalten. Nun lehrt DeepMind KI, sich Stadtgrundrisse wie Menschen zu merken und komplexe Umgebungen zu navigieren.
Maschinen navigieren heute kartengestützt mit GPS. Menschen und Tiere orientieren sich hingegen an Landmarken, erinnern Eckdetails und bauen mentale Karten auf. Deshalb finden Sie sich in der Heimatstadt zurecht, ohne ständiges Map-Staren – selbst bei veränderten Straßenlayouts zu alten Freunden oder dem Zeitungsladen mit den Fußballaufklebern.
Einer KI menschenähnliches Stadtgedächtnis beizubringen ist anspruchsvoll. DeepMinds Experten nutzten Google Street-View-Bilder, um die KI Straßen in New York City, Paris und London erkunden zu lassen. Durch virtuelles Wandern eignete sie sich präzises Ortswissen an.
Forscher Piotr Mirowski fasst es zusammen: „Wo bin ich? Wie komme ich ans Ziel?“ Dies gilt für Kinder ohne Smartphone, Vögel beim Nestflug oder Roboter, wie er Inverse erklärte.
Siehe dazu: Wie Google DeepMind wie ein Kind lernt: DeepMind verwendet Videos, um sich selbst etwas über die Welt beizubringen. Die Architekten lehren KI, Städte zu drucken.
In einem Paper der Cornell University Library beschreibt DeepMind, wie neuronale Netze ohne Karten oder GPS navigieren. Wie ahnungslose Touristen starten sie vorwissensfrei; Street-View-Bilder helfen, mentale Karten zu bilden und Ziele zu erreichen.
„Wir trainieren das Netzwerk für Central Park, West Village, Midtown und Harlem“, sagt Mirowski. „Es merkt sich Karten, ohne je welche gesehen zu haben – durch zufällige Erkundung und Belohnungssignale bei Zielen.“
Diese menschenähnliche Navigation beeindruckt. Doch reale Anwendungen fehlen: Pro Stadt neu trainieren ist limitiert, etwa für autonomes Fahren in Unbekanntem.
Sobald DeepMind Transferlernen ermöglicht – Wissen aus einer Stadt auf Neue übertragbar –, erwarten wir intelligente autonome Fahrzeuge.