Startseite > Automation > Industrie 4.0 & IoT > Künstliche Intelligenz erstellt Persönlichkeitsprognose

Was Hirnscans verraten

Künstliche Intelligenz erstellt Persönlichkeitsprognose

8. August 2018, 14:19 Uhr | Karin Zühlke

▶ Diesen Artikel anhören

Fortsetzung des Artikels von Teil 1

Auf Persönlichkeitsprognose trainierte Software

Dann folgte ein Schritt des maschinellen Lernens anhand der Ergebnisse von 90 Prozent der Probanden. Die Forscher trainierten eine lernende Software darauf, aus den Aktivitätsmustern dieser Probanden auf die Ergebnisse in den Persönlichkeitstests zu schließen. Die Wissenschaftler gaben der Software dabei stets Rückmeldung, inwieweit ihr Ergebnis richtig war. Die lernende Software passte daraufhin ihr mathematisches Modell an. „Wiederholt man dieses Vorgehen viele Male, wird das Modell immer besser“, sagt Eickhoff. Die so trainierte Software erstellte dann am Ende eine Persönlichkeitsprognose für die zehn Prozent der Probanden, deren Abschneiden im NEO-FFI-Test ihr nicht bekannt war.

Dabei zeigte sich: Die Aktivität einzelner, spezifischer Netzwerke hängt direkt mit der Ausprägung unterschiedlicher Persönlichkeitsmerkmale zusammen. Zwei der neun funktionellen Netzwerke erwiesen sich als geeignet, um das Abschneiden eines Menschen im NEO-FFI-Test hinsichtlich seiner Offenheit für neue Erfahrungen vorherzusagen. Jeweils ein funktionelles Netzwerk ermöglichte es, die Verträglichkeit beziehungsweise die emotionale Labilität eines Menschen abzuschätzen.

Möglichkeiten und Grenzen von Technologien transparent machen

Interessanterweise lassen sich mit weiteren Netzwerken weitere Persönlichkeitsmerkmale abschätzen, wenn man die Daten von weiblichen und männlichen Probanden trennt – und die lernende Software getrennt füttert und trainiert. "Offensichtlich sind die Muster der Verbindungsstärken in den funktionellen Netzwerken zumeist geschlechtsspezifisch", folgert Eickhoff.

Die Erkenntnisse der Jülicher und Düsseldorfer Wissenschaftler sind für die Grundlagenforschung bedeutsam. "Wir wollen nicht nur den grundsätzlichen Aufbau des menschlichen Gehirns verstehen, sondern auch, wie es sich von Person zu Person unterscheidet", erläutert Eickhoff. "Natürlich gibt es bei dieser Art Forschung immer auch Bedenken – von der Gefahr des 'gläsernen Menschen' bis hin zu ökonomischen Folgen oder möglichen Missbrauch von Patientendaten", weiß Eickhoff. "Gerade deshalb ist es wichtig die Möglichkeiten und Grenzen von solchen Technologien transparent zu diskutieren."