Vor etwa 10 Jahren führte die zunehmende Leistungsfähigkeit von Computern und die steigende Verfügbarkeit digitaler Bilder zu bedeutenden Fortschritten in Computer-Vision-Modellen, die künstliche Intelligenz nutzen. Wissenschaftler wie Talia Konkle bemerkten dabei etwas Seltsames: Die Modelle funktionierten auf überraschende Weise wie menschliche Gehirne. Obwohl die Modelle nicht dazu entworfen waren, Gehirne vorauszusagen, erkannten Wissenschaftler beim genaueren Betrachten der Verarbeitungsstufen, dass die Computer auf ähnliche Weise wie Menschen lernen, Merkmale zu erkennen, indem sie Schichten von Neuronen verwenden. Vision-Wissenschaftler begannen damit, Gehirn- und Computerantworten auf dieselben Bilder zu vergleichen und entdeckten, dass die Modelle tatsächlich verwendet werden können, um die Funktionsweise des Gehirns vorherzusagen.
Mit der Entstehung des Feldes der NeuroAI, das auf dem Austausch von Erkenntnissen zwischen Computer- und Vision-Wissenschaft sowie Forschern beruht, wurden tiefgreifende Einblicke gewonnen, wie das biologische visuelle System funktionieren muss. Ein Beispiel dafür ist der Fortschritt im Bereich des selbstüberwachten Lernens. Die ersten Computer-Vision-Modelle waren funktionsbasiert und benötigten Labels für Daten. Doch vor einigen Jahren fand man heraus, dass Computer auch ohne diese Labels aus Bildern lernen können.
Durch die Verwendung von Deep-Neural-Networks, einer Form der KI-Technologie, konnten Wissenschaftler das späte Stadium der visuellen Repräsentation untersuchen und vergleichen, wie das menschliche Gehirn und künstliche visuelle Systeme Informationen verarbeiten. Mit Hilfe dieser neuen Technologien hatten Forscher Zugang zu jedem Modellunit, konnten Reaktionen auf Bilder messen und “Läsionen” erzeugen, um spezifische Einheiten auszuschalten. Dies eröffnete neue Forschungsfragen und ermöglichte es Vision-Wissenschaftlern, die Gehirnfunktion genauer zu untersuchen. Insgesamt hat die Entwicklung von Computer-Vision-Modellen und die damit verbundenen wissenschaftlichen Erkenntnisse ein neues Forschungsfeld eröffnet, das spannende neue Möglichkeiten bietet.