Structural Plasticity as Active Inference: A Biologically-Inspired Architecture for Homeostatic Control
Dieses Paper stellt SAPIN vor, ein biologisch inspiriertes neuronales Netzwerkmodell, das durch die Kombination von synaptischer und struktureller Plastizität sowie dem Prinzip der aktiven Inferenz lokale Vorhersagefehler minimiert, um Aufgaben wie das CartPole-Problem erfolgreich zu lösen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Das „lebendige Puzzle“: Wie eine KI lernt, sich selbst zu bauen
Stell dir vor, du möchtest ein Team von Robotern bauen, die einen Stab auf einem Rollwagen balancieren müssen. Normalerweise baut man diese Roboter wie ein Lego-Set: Alles ist fest an seinem Platz, und man programmiert ihnen ganz genau: „Wenn der Stab nach links kippt, bewege das Rad nach links.“ Das ist das, was heutige KIs (wie ChatGPT) machen – sie sind extrem schlau, aber sie sind „starr“. Wenn man die Bausteine verschiebt, bricht das ganze System zusammen.
Der Forscher Brennen Hill hat etwas ganz anderes ausprobiert. Er hat das SAPIN-Modell entwickelt. Das ist kein starrer Roboter, sondern eher wie ein lebendiger Schwarm aus kleinen Zellen, die sich wie Ameisen auf einem Spielfeld bewegen können.
1. Die zwei Superkräfte der Zellen
Diese Zellen haben zwei Fähigkeiten, die sie fast wie biologische Lebewesen machen:
- Die „Gewohnheits-Kraft“ (Synaptische Plastizität): Stell dir vor, jede Zelle hat kleine Arme, mit denen sie ihre Nachbarn berührt. Wenn eine Zelle merkt: „Hey, wenn ich meinen Nachbarn so berühre, weiß ich genau, was als Nächstes passiert“, dann verstärkt sie diese Berührung. Sie lernt also, wie sie Informationen weitergeben muss, um keine Überraschungen mehr zu erleben.
- Die „Umzugs-Kraft“ (Strukturelle Plastizität): Das ist der Clou! Wenn eine Zelle an ihrem Platz ständig „gestresst“ ist – also ständig von Informationen überflutet wird, die sie nicht versteht –, dann sagt sie: „Hier ist es mir zu chaotisch! Ich ziehe um!“ Die Zelle wandert physisch über das Spielfeld, bis sie einen Platz findet, an dem sie sich wohlfühlt und die Informationen „vorhersehbar“ sind.
2. Das Ziel: Das Ende der Überraschung
In der Welt von SAPIN gibt es keinen „Lehrer“, der sagt: „Gut gemacht!“ oder „Das war falsch!“. Es gibt nur ein einziges Ziel: Vermeide Überraschungen.
Das ist wie bei einem Menschen, der ein gemütliches Zuhause sucht. Wenn alles ruhig und vorhersehbar ist, ist das Gehirn entspannt. Wenn plötzlich alles explodiert oder sich chaotisch verändert, entsteht Stress (im Paper „Vorhersagefehler“ genannt).
Beim Cart-Pole-Experiment (dem Balancieren des Stabes) hat das System gelernt, dass ein umfallender Stab ein riesiges, chaotisches Durcheinander bedeutet. Ein perfekt balancierter Stab hingegen ist ein ruhiger, vorhersagbarer Rhythmus. Die Zellen haben also nicht gelernt, „den Stab zu balancieren“, sondern sie haben gelernt, das Chaos zu vermeiden. Und das Ergebnis war dasselbe: Der Stab blieb stehen!
3. Das Problem mit der ständigen Veränderung
Es gibt jedoch einen Haken: Weil die Zellen ständig umziehen und ihre „Arme“ verändern, ist das System manchmal wie ein Haus, das sich während des Schlafs ständig umbaut. Manchmal ist das Haus perfekt, aber am nächsten Morgen ist die Küche plötzlich im Keller, und alles stürzt ein.
Hill hat deshalb einen Trick gefunden: Das „Einfrieren“ (Locking). Sobald die Zellen eine gute Strategie gefunden haben, sagt man ihnen: „Stopp! Ihr habt es geschafft. Ihr dürft euch nicht mehr bewegen.“ Sobald man diese „lebendige“ Struktur festmacht, wird sie extrem stabil und löst die Aufgabe fast immer fehlerfrei.
Zusammenfassung: Was bedeutet das für die Zukunft?
Anstatt KIs zu bauen, die wir mühsam programmieren müssen, zeigt dieses Paper, dass wir Maschinen bauen könnten, die sich selbst organisieren.
Stell dir eine KI vor, die nicht nur lernt, was sie denken soll, sondern die sich selbst baut, um die Welt besser zu verstehen. Eine KI, die nicht nur ein Werkzeug ist, sondern ein kleiner, digitaler Organismus, der versucht, in seinem eigenen kleinen Universum Ordnung und Ruhe zu finden.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.