Die Neurowissenschaftlerin und Studienleiterin Biyu He erklärte, heutige Bilderkennungsmodelle seien keineswegs so menschenähnlich, wie oft angenommen werde - obwohl sie mit gigantischen Mengen an Fotos trainiert wurden, die Menschen aufgenommen haben.

Für die Studie verglich das Team die Sehleistung von Testpersonen mit jener von mehr als 200 sogenannten tiefen neuronalen Netzen (Deep Neural Networks) unterschiedlichster Bauart und Trainingsweise. Die Forschenden manipulierten dafür 240 Abbildungen. Gezeigt wurden unter anderem reine schwarze Silhouetten ohne jede Innenstruktur sowie isolierte Muster wie Felltexturen ohne Kontur. Auch wurden Darstellungen verwendet, bei denen viele kleine Objekte aneinandergereiht waren, sodass zwar Binnendetails erhalten blieben, der typische Umriss jedoch zerstört war. Das Ergebnis: Keines der über 200 KI-Modelle konnte das menschliche Erkennungsmuster über alle Bedingungen hinweg vollständig nachbilden. Und sobald die Identifikation allein an der Gesamtsilhouette hing, lagen die Computeralgorithmen durchweg hinter den menschlichen Probanden.

In einem Folgeexperiment füllten die Forschenden Umrisse von Gegenständen und Tieren mit vielen kleinen Kreuzchen. Während Menschen das Motiv weiterhin problemlos anhand der äußeren Kontur benennen konnten, versagten die meisten KI-Modelle. Sie deuteten Katzen- oder Schmetterlingssilhouetten als Kreuzworträtsel, Fenstergitter oder Kettenhemd.

Die Ergebnisse sind für praktische Anwendungen von zentraler Bedeutung: Sollen KI-Systeme in der Robotik, beim autonomen Fahren oder in Sehprothesen und Gehirn-Computer-Schnittstellen für sehbehinderte Menschen zuverlässig arbeiten, müssen sie auch bei Nebel, Dämmerung oder Verdeckungen verlässliche Urteile fällen. In solchen Situationen greift der Mensch instinktiv auf die grobe Silhouette zurück. Die Studie liefere wertvolle Hinweise, wie Algorithmen künftig trainiert werden müssten, um ein ganzheitlicheres Sehvermögen zu entwickeln, schreibt das Team.