Künstliche Intelligenz: mit Quantentricks zu besserer Computer-Medizin

Korrelation ist noch keine Kausalität, mahnen Statistiker gern – nur bei Kausalbeziehungen zwischen Variablen ist klar, welche davon Ursache ist und welche Wirkung. Künstlich intelligente Computer werden immer besser darin, in großen Datenmengen Muster zu entdecken, die aber eben nichts über die Kausalität verraten. Zwei Forscher bei Babylon Health, einem Anbieter einer Diagnose-App, wollen das jetzt ändern: Sie entwickelten ein KI-System, das in Daten aus unterschiedlichen Quellen Kausalbeziehungen entdecken soll, wie Technology Review online in "Quanten-Tricks für bessere Computer-Medizin" berichtet.

Ungelöstes Problem

Bei seinen Bemühungen wurde dem Forscher-Duo schnell klar, dass es ganz von vorn beginnen musste, sagt Ciarán Lee, der außer bei Babylon am University College London an Maschinenlernen und Quantencomputern forscht. "Als wir nachsahen, zeigte sich, dass niemand das Problem wirklich gelöst hatte", berichtet er.

Bei ihrer neuen Methode nahmen Lee und sein Kollege Anish Dhir eine Anleihe beim Feld der Quantenkryptografie: Hier lässt sich mathematisch beweisen, dass eine Kommunikation von niemandem abgehört wurde. Die beiden Forscher behandelten Datensätze als Kommunikation und Variablen, die kausalen Einfluss auf diese Daten haben, als Abhörer. Mithilfe der Mathematik von Quantenkryptografie kann ihr Algorithmus dann erkennen, ob solche Effekte auftreten oder nicht.

KI diagnostiziert korrekt

Die Forscher testeten ihr System an Datensätzen, bei denen die Kausalbeziehungen bereits bekannt waren, beispielsweise mit Messungen zu Größe und Beschaffenheit von Brust-Tumoren. Die KI stellte nach ihren Angaben korrekt fest, dass es keinen Kausalzusammenhang zwischen Größe und Beschaffenheit gibt, aber dass beides ursächlich davon abhängt, ob ein Tumor bösartig oder gutartig ist.

Mehr dazu bei Technology Review online:

• Quanten-Tricks für bessere Computer-Medizin

(sma)