Ein Forscherteam hat einen zentralen Einblick gewonnen, warum KI-Modelle, die darauf trainiert wurden, das menschliche Gehirn nachzuahmen, widerstandsfähiger gegen adversarial Angriffe werden – jene winzigen, kaum wahrnehmbaren Veränderungen an einem Bild, die eine Standard-KI dazu bringen können, ein Stoppschild fälschlicherweise als Tempolimit-Schild zu klassifizieren. Die überraschende Antwort? Es liegt nicht, wie bisher angenommen, an der Fokussierung auf niedrige räumliche Frequenzen.
Die Forschung
Zhenan Shao und Kollegen von der University of Illinois und der Johns Hopkins University machten sich daran, eine führende Hypothese zu testen: dass neurale Ausrichtung – das Training eines tiefen Convolutional Neural Network (DCNN) mit ähnlichen internen Repräsentationen wie der menschliche visuelle Kortex – die adversariale Robustheit erhöht, indem sie die Abhängigkeit des Modells von fragilen hochfrequenten Mustern hin zu robusteren niedrigen Raumfrequenzen (LSF) verschiebt.
In ihrer Studie (arXiv:2605.04443, Mai 2026) bestätigte das Team zunächst, dass DCNNs, die auf höhere Regionen des menschlichen ventralen visuellen Pfads ausgerichtet sind, tatsächlich eine erhöhte Abhängigkeit sowohl von LSF als auch von einem schmalen mittleren Frequenzband, dem sogenannten 'menschlichen Kanal', zeigten. Als sie die Modelle jedoch direkt auf diese Frequenzbänder ausrichteten, stellten sie eine klare Dissoziation fest: Die Ausrichtung auf den menschlichen Kanal, allein oder zusammen mit LSF, verbesserte die Robustheit nicht – sie verschlechterte sie sogar. Die LSF-Ausrichtung allein erbrachte nur bescheidene Verbesserungen, obwohl sie eine viel größere Verschiebung der Raumfrequenzabhängigkeit bewirkte als die neurale Ausrichtung. Entscheidend war, dass keines der frequenzausgerichteten Modelle eine erhöhte Ähnlichkeit zur neuronalen Repräsentationsgeometrie des Menschen aufwies.
Die Ergebnisse, die auf mehreren DCNN-Architekturen und ImageNet-trainierten Modellen basieren, deuten darauf hin, dass die veränderte Raumfrequenzabhängigkeit eine emergente Eigenschaft des Lernens menschenähnlicherer Repräsentationen ist, nicht der primäre Mechanismus hinter der Robustheit.
Warum es wichtig ist
Für alle, die sich dafür interessieren, wie ihr eigenes Gehirn funktioniert – und wie KI sicherer gemacht werden kann – weist diese Studie auf tiefere Prinzipien hin. Unser visuelles System ist nicht einfach auf niedrige oder mittlere Frequenzen abgestimmt; es kodiert Objekte auf eine reichhaltige, relationale Weise, die aktuelle KI-Modelle erst ansatzweise erfassen. Das Verständnis dessen, was die menschliche Sicht robust macht, könnte zu widerstandsfähigeren KI-Systemen in selbstfahrenden Autos, medizinischer Bildgebung und Sicherheitstechnik führen.
Was Sie tun können
Sie können zwar nicht direkt die räumliche Frequenzabstimmung Ihres Gehirns verändern, aber Sie können sie scharf halten. Beschäftigen Sie sich mit abwechslungsreichen visuellen Aufgaben – Rätseln, Kunst, Sport – die Ihre Objekterkennung herausfordern. Trainieren Sie Ihr Gehirn ganzheitlich mit kognitiven Übungen, die Mustererkennung und logisches Denken betonen, nicht nur die Unterscheidung von Frequenzen.
Quelle: arXiv q-bio.NC
Neugierig auf Ihr eigenes Gehirn? Machen Sie unseren kostenlosen adaptiven IQ-Test oder probieren Sie 306 Gehirntrainingsstufen.
