0 
Menschen erkennen eine Katze, einen Schmetterling oder ein Auto oft selbst dann noch mühelos, wenn nur ihre grobe Silhouette sichtbar ist. Für Künstliche Intelligenz bleibt genau das jedoch ein großes Problem. Wie ein Forschungsteam um Biyu He von der New York University Grossman School of Medicine in der Fachzeitschrift iScience berichtet, tun sich moderne Bilderkennungssysteme deutlich schwerer als Menschen damit, Objekte allein anhand ihrer Gesamtform zu identifizieren.
Der Grund liegt laut den Forschenden in der unterschiedlichen Arbeitsweise: Das menschliche Gehirn orientiert sich vor allem an der übergeordneten Gestalt. KI-Modelle hingegen stützen sich meist stärker auf kleine Bilddetails, Oberflächenstrukturen und Texturen. Fehlen diese Hinweise oder sind sie verändert, geraten die Systeme schnell ins Straucheln.
Mehr als 200 KI-Systeme untersucht
Für die Studie verglichen Erstautor Mugihiko Kato, Studienleiterin He und ihr Team die Leistungen von Versuchspersonen mit denen von mehr als 200 tiefen neuronalen Netzen verschiedener Typen und Trainingsmethoden. Grundlage waren 240 Bilder aus 48 Alltagskategorien, die gezielt verändert wurden.
Zum Einsatz kamen etwa reine schwarze Schattenrisse ohne innere Details oder isolierte Texturmuster wie Fell, bei denen keine klare Außenkontur mehr erkennbar war. Zusätzlich nutzten die Forschenden Darstellungen aus vielen kleinen, dicht angeordneten Objekten, bei denen zwar Details im Bild erhalten blieben, die typische Form des eigentlichen Motivs aber verloren ging.
Das Ergebnis: Kein einziges der getesteten Modelle konnte das menschliche Erkennungsmuster unter allen Bedingungen nachbilden. Sobald die Identifikation vor allem von der Gesamtsilhouette abhing, schnitten die KI-Systeme durchweg schlechter ab als die menschlichen Teilnehmer.
Wenn KI eine Katze für ein Kreuzmuster hält
Besonders deutlich wurde der Unterschied in einem weiteren Experiment. Dabei trennten die Wissenschaftler die äußere Form gezielt von den inneren Details, indem sie die Umrisse von Tieren und Gegenständen mit vielen kleinen Kreuzen füllten.
Menschen konnten die Motive weiterhin problemlos über die Kontur erkennen. Viele KI-Modelle scheiterten dagegen komplett. Statt Katzen oder Schmetterlinge zu sehen, klassifizierten sie die Bilder etwa als „Kreuzworträtsel“, „Fenstergitter“, „Kettenhemd“ oder sogar „Fadenwurm“. Die kleinen Kreuzmuster überwogen für die Algorithmen offenbar so stark, dass die eigentliche Form kaum noch berücksichtigt wurde.
Laut He zeigt das, dass heutige Bilderkennungsmodelle weit weniger menschenähnlich arbeiten, als oft vermutet wird – obwohl sie mit enormen Mengen an von Menschen aufgenommenen Fotos trainiert wurden. Systeme, die sowohl mit Bildern als auch mit begleitenden Texten trainiert werden, erzielten insgesamt zwar menschenähnlichere Ergebnisse als klassische Bildnetzwerke. Ihr Vorteil verschwand jedoch ebenfalls, sobald die Gesamtgestalt isoliert oder gestört wurde.
Wichtig für Robotik und autonomes Fahren
Die Erkenntnisse sind auch für praktische Anwendungen relevant. In der Robotik, beim autonomen Fahren oder bei Sehprothesen und Gehirn-Computer-Schnittstellen für sehbehinderte Menschen müssen KI-Systeme auch dann zuverlässig funktionieren, wenn Sichtbedingungen schlecht sind – etwa bei Nebel, Dämmerung oder teilweiser Verdeckung.
Menschen greifen in solchen Situationen intuitiv auf die grobe Form eines Objekts zurück. Nach Einschätzung des Forschungsteams liefert die Studie daher wichtige Hinweise darauf, wie künftige Algorithmen trainiert werden sollten, um robuster und ganzheitlicher zu „sehen“.
Quelle: dpa/bearbeitet durch Julian Weber
