Computer sind schon heute lernfähig. So können sie beispielsweise Gewässer und ihre Umrisse selbstständig erkennen oder beim Brettspiel Go professionelle Spieler schlagen. Programmierer trainieren Algorithmen, indem sie ihnen viele Beispiele präsentieren, bis sie in der Lage sind, bestimmte Situationen auch bei unbekannten Szenarien zu erkennen. Diese Methode funktioniert aber nur dann, wenn das Unterscheidungskriterium bekannt ist. So ist etwa bekannt, was ein Gewässer ist oder wie die erfolgreichen Spielabläufe bei Go bisher aussahen.
Forscher der Eidgenössischen Technischen Hochschule Zürich (ETH) haben nun eine Methode entwickelt, mit der sich Daten nicht nur kategorisieren lassen. Bei dieser Methode erkennt der Computer auch, ob es in komplexen Datensätzen überhaupt Kategorien gibt, wie die ETH in einer Mitteilung erklärt. Für ihre neue Methode nutzten die Forscher das „So tun als ob”-Prinzip und täuschten dem Algorithmus vor, dass sie wüssten, wo die Grenzen zwischen bestimmten Kategorien liegen. Dabei legten sie die Grenzen immer unterschiedlich an. Die Sortierleistung des Algorithmus fiel in den verschiedenen Szenarien unterschiedlich aus. So fanden die Forscher heraus, dass die Grenze dort liegt, wo die Sortierleistung des Netzwerks am grössten ist.
Die neue Methode könnte in zahlreichen Bereichen angewendet werden. So könnten beispielsweise Pharmakologen aus umfangreichen Moleküldatenbanken jene Moleküle aussieben, die mit einer gewissen Wahrscheinlichkeit eine bestimmte pharmazeutische Wirkung oder Nebenwirkung haben. Die Methode könnte jedoch auch für die Auswertung von Messungen an Teilchenbeschleunigern oder von astronomischen Beobachtungen interessant werden. ssp
