Eine grosse Frage beschäftigt die Menschheit in den letzten Jahren immer intensiver: Künstliche Intelligenz versus humanes Denken – sind Maschinen bald klüger als wir? Oder haben uns Algorithmen ohnehin schon längst überholt?
Eine Untersuchung des Max-Planck-Instituts für Bildungsforschung, der Harvard University, dem University College London und der University of Surrey hat diese Frage mit Hilfe von experimentellen Entscheidungsspielen erforscht. Die Spiele wurden von 241 Probanden sowie von einem Rechner mit verschiedenen Modellen und Algorithmen gespielt. Dabei wurden in einem Raster Felder angeklickt, hinter denen sich eine vorher jeweils unbekannte Punktanzahl verbarg. Es durfte aber viel weniger oft geklickt werden als Felder vorhanden waren.
Das heisst: Erst mit dem Ausprobieren konnten Mensch wie Maschine erkennen, ob sich hinter den Feldern bestimmte Muster verbargen und wie der nächste Klick im Idealfall ausfallen sollte, um möglichst viele Punkte zu sammeln. Die Spieler konnten mit der Zeit Strategien entwickeln, welche benachbarten Felder sie anklickten („Exploitation“) und welche weiter entfernten Kästchen sie sich anzupeilen trauten („Exploration“). Dabei schlugen sich die menschlichen Versuchsteilnehmenden ausnehmend gut:
Menschen müssen nicht die Auswirkungen jeder Option kennen, um gute Entscheidungen zu treffen. Sie sind in der Lage zu generalisieren und anhand der wenigen, bekannten Optionen auch die unbekannten Optionen vorherzusagen. Gleichzeitig stellen wir fest, dass Menschen dabei recht optimistisch und neugierig sind und auch die unbekannten Optionen wählen.
Simulation von „Neugierde“
Die Lernalgorithmen erwiesen sich als unterschiedlich erfolgreich. Sie kamen erst dann der menschlichen Leistung nahe, sobald sie kombiniert wurden: Ein Algorithmus, der durch Generalisierung die räumliche Struktur der Punkte vorhergesagte, und ein zweiter, der unbekannte Felder ausprobierte und damit „Neugier“ simulierte.
Die menschliche Intelligenz sei in so einem Setting der maschinellen noch weit überlegen, so Björn Meder, einer der Studienautoren:
Die Ergebnisse unserer Studie zeigen, wie Methoden aus dem Bereich des maschinellen Lernens helfen, menschliches Entscheidungsverhalten besser zu verstehen. Umgekehrt können psychologische Studien helfen, Algorithmen aus der Informatik zu verbessern.