Um ein Auto zu parken braucht man nur zwölf Neuronen

Forscher der Technischen Universität Wien zeigten anhand eines künstlichen Neuronalen Netzes, dass zum Einparken nur zwölf Neuronen nötig sind. Klingt für den Laien kurios und wird noch ein Spur kurioser, denn das Netzwerk ist von der Natur inspiriert - vom Fadenwurm namens Caenorhabditis elegans. Der Name bedeutet so viel wie "eleganter neuer Stab".

Das Nervensystem des ungefähr ein Millimeter großen Fadenwurms besteht aus nur wenigen Nervenzellen/Neuronen. Rund 300 sind es an der Zahl, wohingegen im menschlichen Gehirn mehrere Milliarden geschätzt werden. Verschiedene Neuronen bilden Steuerungsnetzwerke für unterschiedliche Funktionen, etwa für die reflexhafte Kehrtwendung des Wurms, wenn er auf ein Hindernis stößt. Für diese Reaktion ist ein Netzwerk von nur zwölf Neuronen verantwortlich.

Einfaches Modell

"Wir haben (...) uns bemüht, unser Modell so einfach wie möglich zu machen, aber trotzdem die wesentlichen Merkmale der biologischen Neuronen zu behalten", erklärte Radu Grosu vom Institut für Computer Engineering der TU Wien gegenüber der APA. Grosu hat mit seinen PhD-Studenten Ramin Hasani und Mathias Lechner den für diese Reaktion zuständigen neuronalen Schaltkreis am Computer simuliert.

Wie vielseitig dieser neue Netzwerk-Typ ist, demonstrierten die
Wissenschafter eben an dem C. elegans-inspirierten Netzwerk. Sie trainierten das Netz, ein Auto einzuparken. "Parken ist ein sequenzieller Prozess: man muss sich erinnern, was man vorher gemacht hat, damit man weiß, was ich danach zu tun habe", sagte Grosu.

In ihrem Modell gibt es vier sensorische Neuronen, die nicht nur erfassen, wie groß die Parklücke ist, sondern auch, wo sich das Fahrzeug gerade befindet. Acht Neuronen sind für die Kontrolle zuständig, also das Lenken und Beschleunigen des Fahrzeugs, um rückwärts einzuparken. Realisiert haben sie das Ganze nicht nur am Computer, das Neuronale Netz steuert auch ein Modellauto in einen Parkplatz.

Für die Wissenschafter zeigt das Modell, dass auf Neuronalen
Netzen basierende Künstliche Intelligenz mit der richtigen
Architektur deutlich leistungsfähiger sein kann als bisher gedacht.
In der Natur seien Neuronen noch viel komplizierter, "aber wenn die
Rechenleistung weiter zunimmt, könnten wir noch weitere Merkmale von
Neuronen in unser Modell integrieren und so noch komplexere Aufgaben bewältigen", so Grosu.