Anzeige
Anzeige
Beitrag drucken

Forschungsprojekt ‘Fast&Slow‘

Mehr Verlass auf Deep-Learning-Entscheidungen

Menschen können Probleme entweder logisch und mit Ruhe betrachten, oder spontan und emotional entscheiden. Ähnlich geht es dem Computer: Moderne Deep-Learning-Verfahren liefern schnelle Ergebnisse, die jedoch nicht nachvollziehbar sind. Wissenschaftler des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) untersuchen nun, wie sich diese Ergebnisse durch formale Verfahren überprüfen lassen und so verlässlicher werden – ohne an Schnelligkeit einzubüßen.

(Bild: DFKI GmbH, Foto: Lisa Jungmann)

Wie lässt sich das Jonglieren besser erlernen: Durch Beobachten und Ausprobieren, oder durch das langwierige Planen der einzelnen Handbewegungen und Würfe? Dem Psychologen Daniel Kahneman zufolge verstecken sich darin die zwei Systeme, die das menschliche Denken bestimmen – das schnelle, emotionale und unbewusste Entscheiden, oder das langsame, logische und berechnende. Obwohl Computer weit davon entfernt sind, das menschliche Denkvermögen in seiner Komplexität nachzuahmen, gibt es zwei vergleichbare Herangehensweisen, mithilfe derer eine künstliche Intelligenz Entscheidungen treffen kann. Während Deep-Learning-Verfahren zu schnellen, jedoch rational nicht begründbaren Ergebnissen führen, können durch formale Berechnungen nachvollziehbare und mathematisch korrekte Antworten erhalten werden – die allerdings mehr Zeit beanspruchen.

Beide Verfahren kombinieren

Im Projekt ‘Fast&Slow‘ untersuchen Wissenschaftler des DFKI, wie sich die beiden Methoden kombinieren lassen. Am Forschungsbereich Cyber-Physical Systems, geleitet von Prof. Dr. Rolf Drechsler, soll es einer künstlichen Intelligenz ermöglicht werden, gleichzeitig schnelle wie auch verlässliche Entscheidungen zu treffen. Denn Deep-Learning-Verfahren alleine liefern lediglich subsymbolisch errechnete Lösungen, die auf Millionen von Parametern und Unmengen von Testbeispielen basieren. In vielen Anwendungsgebieten erfüllt dieses Vorgehen jedoch nicht die Ansprüche an Verlässlichkeit und Vertrauenswürdigkeit – beispielsweise im Bereich des autonomen Fahrens. Aus diesem Grund ist es notwendig, die Ergebnisse überprüfen und der KI die korrekten Ergebnisse antrainieren zu können. Dazu sollen diese subsymbolischen Verfahren mit symbolischen kombiniert werden, um so die Vorteile beider nutzen zu können. Dafür ist es zunächst nötig, Problemstellungen zu definieren, die sowohl formal als auch durch Deep-Learning-Algorithmen lösbar sind – wie beispielsweise das Planen von Handlungsabläufen. Zunächst soll das formal korrekte Ergebnis trainiert werden, bevor das Problem durch das schnellere, subsymbolische Verfahren zu lösen versucht wird. Das Resultat kann im Nachhinein mit der symbolischen Methode überprüft und gegebenenfalls korrigiert werden.

Zwei Versuchsabläufe

In zwei Versuchsabläufen soll die Kombination der Verfahren getestet werden: Im ersten Versuch sollen sogenannte TurtleBots (kleine autonome Transportroboter, die unter anderem als Transporthilfen genutzt werden können) ihren sicheren Weg durch ein Smart Home finden. Im zweiten Versuch soll wiederum einem Pi4-Workerbot – ein Industrieroboter mit zwei Armen – das Jonglieren beigebracht werden. Ziel ist es, den Roboter sowohl alleine als auch zusammen mit einem Menschen jonglieren zu lassen, indem er die berechneten Bewegungsabläufe kennt und gleichzeitig durch Deep-Learning-Verfahren schnell über die nächste Armbewegung entscheiden kann.

Zunächst Probleme betrachten

Zunächst geht es im Projekt jedoch darum, grundlegende Probleme der zwei Verfahren zu betrachten: Wie lassen sich die Informationen der verschiedenen KI-Methoden zusammenführen, welche Probleme lassen sich formell überprüfen und in welchen Fällen ist diese Überprüfung besonders wichtig? Ein bekanntes Beispiel für die Schwächen des Deep Learning sind Verfahren, die aufgrund der Daten, mit denen sie trainiert wurden, Vorurteile ausbilden. Gerade in solchen Situationen ist es von Bedeutung, auch formale Ergebnisse zu erhalten.


Das könnte Sie auch interessieren:

Fast 80 Prozent der Maschinenbauer sehen die Notwendigkeit, bei digitalen Geschäftsmodellen zu kooperieren. Das hat der VDMA in einer Befragung mit McKinsey ermittelt. Auf großes Wachtumspotenzial deutet dabei hin, dass erst 0,7 Prozent der Umsätze in Europa mit digitalen Plattformen und Services erzielt werden.‣ weiterlesen

Verschlüsselungssoftware spielt auf dem Weg zu mehr Datenschutz eine wichtige Rolle, doch können Computersysteme auch auf physikalischem Wege angegriffen werden. Durch das Abfangen von Stromschwankungen oder das Auslösen von Fehlern durch elektromagnetische Impulse werden Geräte wie Smartphones und Schlüsselkarten angreifbar.‣ weiterlesen

Wissenschaftler vom Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA haben in Zusammenarbeit mit der Isoloc Schwingungstechnik GmbH eine Sensormatte für Steharbeitsplätze entwickelt. Sie erfasst die Fußposition eines Mitarbeiters und erkennt Gewichtsverlagerungen.‣ weiterlesen

Die Technologieinitiative SmartFactory KL feiert ihr 15-jähriges Bestehen. Heute beteiligen sich mehr als 50 Unternehmen und Wissenschaftseinrichtungen an der Initiative.‣ weiterlesen

ERP-Lösungen spielen eine zentrale Rolle in den Unternehmen und das tun sie gut. So die Erfahrungen von 2.089 Anwenderunternehmen aus dem deutschsprachigen Raum, die im Zuge der aktuellen Studie ‘ERP in der Praxis‘ durch die Analysten der Trovarit mittlerweile zum 10. Mal befragt wurden. Die Studie weist Zufriedenheitsbewertungen von mehr als 40 ERP-Lösungen aus.‣ weiterlesen

Die Anforderungen an die Produktionsplanung von Fertigungsbetrieben steigen stetig. Jetzt hat MPDV, Hersteller von Fertigungs-IT, eine Feinplanungslösung für das eigene MIP-Ökosystem vorgestellt. Die APS-Software baut auf langjährigen Erfahrungen mit der bewährten MES-Lösung Hydra auf und kann von einfachen Arbeitsgängen bis hin zu komplexen Fertigungsaufträgen planen und optimieren. Im Interview erläutern Thorsten Strebel, Vice President Products, und Jürgen Petzel, Vice President Sales, warum der Softwarehersteller gerade jetzt mit einer APS-Lösung an den Markt geht - und was Fedra zu bieten hat.‣ weiterlesen

Wird weniger Energie verbraucht, sinken Betriebskosten ohne Produktivitätsverlust. Gerade im Verteilzentrum könnte viel Sparpotenzial brach liegen. Denn dort haben technische Fortschritte die Leistung, aber auch den Energiebedarf, in die Höhe getrieben. Daher sind zuletzt viele Materialflusshersteller an ihre Reißbretter zurückgekehrt, um energiesparende Varianten ihrer Fahrzeuge, Kräne und Managementsysteme herzustellen.‣ weiterlesen

Hat das ERP-System einmal den Anschluss verpasst, muss nicht immer gleich etwas Neues her. Sasse Elektronik gelang mit seinem IT-Partner Cosmo Consult das Re-Engineering der Business-Anwendung. Der Lohn bestand in deutlich kürzeren Prozessen bei erheblich weniger Papier im Büro.‣ weiterlesen

Insbesondere Unternehmen der Fahrzeugbau- und Elektroindustrie besitzen großes Potenzial zur Reduzierung des Energieverbrauchs in ihrer Produktion. Daher haben die Technische Hochschule Mittelhessen (THM) und Limtronik als Mitglieder des SEF Smart Electronic Factory e.V. einen Use-Case entwickelt, in dem Wartungsintervalle eines energieintensiven Reflow-Ofen sensorgestützt optimiert werden.‣ weiterlesen

Edge Computing ist für die industrielle IT grundsätzlich nichts Neues. Seit Jahrzehnten werden Geräte und Monitore in der Produktion weit entfernt von zentralen Rechenzentren betrieben. Das aktuelle Revival des Begriffes ist auch technologischen Innovationen geschuldet, die Latenzen auf wenige Millisekunden senken.‣ weiterlesen

Auch durch Bewegungen wie Fridays for Future und extreme Wetterphänomene befassen sich Unternehmen intensiver mit dem ökologischen Wandel. Doch während Energieeffizienzprojekte bereits häufig betrieben werden, stehen die Möglichkeiten zum Materialsparen eher selten im Fokus. Dieser Artikel liefert Impulse entlang der Wertschöpfungskette, Ressourcen erst gar nicht zu verbrauchen.‣ weiterlesen

Anzeige
Anzeige
Anzeige