Neues Verfahren: Künstliche Agenten beschreiben Bilder neu – Zerlegung & Zusammensetzen

Eine kürzlich veröffentlichte Arbeit auf arXiv (2601.10169v1) präsentiert ein innovatives Verfahren, mit dem künstliche neuronale Agenten Bilder beschreiben können, ohne zuvor explizit dafür trainiert worden zu sein. Das Konzept baut auf der kognitiven Fähigkeit der Kompositionalität auf, die es Menschen ermöglicht, bekannte Konzepte systematisch zu neuen Kombinationen zu verknüpfen.

Das Verfahren, genannt „Composition through Decomposition“, besteht aus zwei aufeinanderfolgenden Trainingsschritten. Im ersten Schritt, der Zerlegung, lernen die Agenten, ein Bild in grundlegende Konzepte zu zerlegen. Dabei nutzen sie einen Codebuch, das sie während eines Mehrziel-Koordinationsspiels erworben haben. Im zweiten Schritt, dem Zusammensetzen, setzen die Agenten dieses Codebuch ein, um neue Bilder zu beschreiben, indem sie die Grundkonzepte zu komplexen Phrasen kombinieren.

Besonders bemerkenswert ist, dass die Agenten in vielen Fällen bereits im Zusammensetzen- Schritt ohne zusätzliche Trainingsdaten eine Zero‑Shot‑Generalisation erreichen. Das bedeutet, sie können bislang unbekannte Bilder korrekt beschreiben, indem sie die erlernten Grundkonzepte neu kombinieren – ein bedeutender Fortschritt für die Entwicklung von KI-Systemen, die flexibel und adaptiv auf neue visuelle Informationen reagieren können.