Abb: Visualisierung von Genexpressionsmustern in Zellen mithilfe der Software Scanpy. Die Software aus dem Labor von Fabian Theis kombiniert Methoden des maschinellen Lernens und der Statistik © Helmholtz Zentrum München
Erst kürzlich habe ich mich mit Andreas Dengel vom Deutschen Forschungszentrum für Künstliche Intelligenz darüber unterhalten, wie menschlich KI sein kann oder auch nicht. Immer wieder denke ich über eine Aussage des Direktors des Forschungsbereichs Smart Data & Knowledge Services nach: KI habe keine Intuition, sagte er mir. Aber sie handele intuitiv.
Eine harte Nuss.
Einiges darüber, wie systematisch KI-Algorithmen arbeiten und wie sorgfältig man sie trainieren muss, habe ich nun von Fabian Theis gelernt. Er ist Direktor des Instituts für Computational Biology am HelmholtzZentrum München. Gemeinsam mit seinen Kollegen entwickelt er Algorithmen, um beispielsweise Zellen anhand morphologischer Merkmale oder ihres Transkriptoms bestimmten Entwicklungsstadien zuzuordnen. Und siehe da: Füttern die Wissenschaftler ihre Programme mit hinreichend großen Datenmengen, so lernen diese tatsächlich, aus den vielen verschiedenen Einzelstadien eigenständig einen Entwicklungsprozess zu rekonstruieren.
Als intuitives Handeln einer Software kann man das zwar nicht bezeichnen. Aber sinnvoll ist es allemal!
Die Kapazität moderner Rechenmaschinen, Daten zu erfassen, zu überblicken und zu kategorisieren übersteigt die des menschlichen Gehirns um Dimensionen. Mit ihren Vorhersagen können Maschinen Wissenschaftlern helfen, Prozesse zu erkennen und zu verstehen.
Attraktiv sind solche Programme nicht nur für Forscher sondern auch in der Medizin: Intelligente Algorithmen können Ärzte dabei unterstützen, Krankheitsverläufe anhand von Bildmaterial oder Sequenzdaten genauer einzuschätzen, vorherzusagen und zu behandeln.
https://www.helmholtz.de/gesundheit/wie_treffen_maschinen_entscheidungen/