+43 (0) 1 890 39 82 relations@af-institute.at

Ein spannendes Thema in der Künstlichen Intelligenz sind Generative Adversarial Networks (GANs). Bei dieser Methodik erstellt und verbessert Künstliche Intelligenz solange ein Ergebnis, bis dieses bestimmte Qualitätskriterien erfüllt.
Vereinfacht kann man sich das Konzept so vorstellen: Zwei Netzwerke treten gegeneinander an. Das eine entwickelt etwas, das andere urteilt über das Ergebnis durch Zurückweisung oder Akzeptanz. Das entwickelnde Netzwerk wird als Generator bezeichnet, das prüfende als Discriminator.

Generator gegen Discriminator

Zunächst erstellt der Generator etwas, der Discriminator sieht es sich an. Solange die Qualität der Ausarbeitungen nicht bestimmte Schwellwerte überschritten hat, wird das Ergebnis zurückgewiesen. Aus jeder Zurückweisung lernt der Generator. Er erkennt, was nicht funktioniert, verbessert seinen Vorschlag und überreicht diesen an den Discriminator. In gewissem Sinne versucht er sogar, den Discriminator zu täuschen.
Solange aber der Discriminator die Resultate zurückweist, muss der Generator neue Ergebnisse produzieren. Das läuft so lange, bis die vorgegebene Qualitätsschwelle überschritten ist und damit ein akzeptables Ergebnis vorliegt.

Lehrling und Lehrmeister

Das ist so ähnlich wie bei einem Lehrling, der sein Handwerk gern so gut beherrschen würde wie sein stummer Ausbilder. Der Lehrling erschafft sein Werkstück, doch weil es nicht gut genug ist, weist der Lehrherr es kommentarlos zurück. Der Lehrling weiß nun, was jedenfalls nicht funktioniert und probiert eine neue Variante. Auch diese wird vom Lehrmeister ohne Worte zurückgewiesen. Der Lehrling ändert nun sein Werkstück so lange, bis sein Chef das Ergebnis akzeptiert.

Ähnlichkeit mit Disney-Strategie

Das Konzept der GANs erinnert auch an die Disney-Strategie, eine Methodik zur Generation kreativer Ideen: Jemand (der Generator sozusagen) hat eine gute Idee, andere Teammitglieder (das wären dann Discriminators) geben mit unterschiedlichen Rollen positives, kritisches und realistisches Feedback. Darauf passt die Ausgangsperson ihre Idee an und das Team gibt wieder Feedback. Das läuft in Schleifen so lange, bis die Idee derart verändert und optimiert wurde, dass sie sich mit hoher Wahrscheinlichkeit umsetzen lässt und die gewünschten Ziele erreichen kann.

Potenzial im Gesundheitswesen

Das AF Institut nutzt das Potenzial von GANs. Wie man GANs im Gesundheitssektor nutzbringende einsetzt, zeigen wir in einem weiteren Beitrag zu GANs und seltenen Krankheiten.