Eine der größten Stärken aktueller künstlicher Intelligenzen (KIs) ist das Klassifizieren von Bildern – einige von ihnen übertreffen dabei sogar in mancher Hinsicht Menschen. Allerdings können gelegentlich kleinste Veränderungen diese Algorithmen aus dem Konzept bringen. Bearbeitet man beispielsweise Bilder, so dass das Fell einer Katze getigert, gepunktet oder gefleckt erscheint, erkennen Menschen die Tiere in den meisten Fällen immer noch problemlos, während Maschinen völlig versagen.

Forscher von der Universität Tübingen haben nun die mögliche Ursache dafür entdeckt, wie sie auf der im Mai 2019 stattgefundenen »International Conference on Learning Representations« (ICLR) erklärten: Während Menschen größtenteils auf die Form eines Objekts achten, fokussieren maschinell lernende Algorithmen auf ihre Textur. Dieses überraschende Ergebnis verdeutlicht, wie unterschiedlich Menschen und Maschinen Dinge »wahrnehmen« …

Von »Spektrum der Wissenschaft« übersetzte und bearbeitete Fassung des Artikels »Where We See Shapes, AI Sees Textures« aus »Quanta Magazine«, einem inhaltlich unabhängigen Magazin der Simons Foundation, die sich die Verbreitung von Forschungsergebnissen aus Mathematik und den Naturwissenschaften zum Ziel gesetzt hat.