Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Schnelles & langsames Denken: Neues DFKI-Projekt soll Deep-Learning-Verfahren verlässlicher machen

23.01.2020

Wenn Menschen vor einem Problem stehen, können sie dieses 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 überprüfen lassen und so verlässlicher werden – ohne an Schnelligkeit einzubüßen.


Ein Pi4-Workerbot hält Jonglierbälle in die Luft.

DFKI GmbH, Foto: Lisa Jungmann

Die neue Methode soll unter anderem anhand eines jonglierenden Industrieroboters getestet werden. Gefördert wird das Projekt „Fast&Slow“ vom Bundesministerium für Bildung und Forschung (BMBF) mit rund 1,2 Millionen Euro.

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 hierin die zwei Systeme, die das menschliche Denken bestimmen – das schnelle, emotionale und unbewusste Entscheiden, oder das langsame, logische und berechnende.

Obwohl Computer nach wie vor 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.

In dem am 1. November 2019 gestarteten 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.

Verfahren soll Robotern beim sicheren Jonglieren und Navigieren helfen

Hierzu sollen diese subsymbolischen Verfahren mit symbolischen kombiniert werden, um so die Vorteile beider – die Schnelligkeit ebenso wie die nachvollziehbare Korrektheit der Resultate – 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, subymbolische Verfahren zu lösen versucht wird. Das Resultat kann im Nachhinein mit der symbolischen Methode überprüft und gegebenenfalls korrigiert werden.

Um die Kombination der Verfahren zu testen, planen die Wissenschaftler des DFKI zwei Versuchsabläufe: 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.

Grundlagen für eine vorurteilsfreie und verlässliche KI

Zunächst geht es in dem Projekt „Fast&Slow“ jedoch darum, die grundlegenden 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.

Die Wissenschaftler des DFKI zielen darauf ab, die Grundlagen für einen sichereren und verlässlicheren Einsatz von Deep-Learning-Verfahren zu entwickeln, um so das Potential der maschinellen Entscheidungsfindung auch in anspruchsvollen Bereichen nutzen zu können. Das Bundesministerium für Bildung und Forschung (BMBF) fördert das Projekt „Fast&Slow“ deshalb mit rund 1,2 Millionen Euro über eine Laufzeit von drei Jahren.

Bildmaterial:
Unter https://cloud.dfki.de/owncloud/index.php/s/KkNkgzrRic2AdNH steht ein Foto zum Download bereit. Dieses können Sie mit Nennung der Quelle „DFKI GmbH, Foto: Lisa Jungmann“ gerne verwenden.

Ansprechpartner:
Prof. Dr. Dieter Hutter
Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI)
Cyber-Physical Systems
Telefon: 0421 218 59831
E-Mail: Dieter.Hutter@dfki.de

Pressekontakt:
Deutsches Forschungszentrum für Künstliche Intelligenz
Team Unternehmenskommunikation Bremen
Tel.: 0421 178 45 4180
E-Mail: uk-hb@dfki.de

Jens Peter Kückens DFKI Bremen | idw - Informationsdienst Wissenschaft

Alle Nachrichten aus der Kategorie: Informationstechnologie >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Die Loopings der Bakterien: Forschungsteam mit Beteiligung der Universität Göttingen analysiert Fortbewegung

Das magnetotaktische Bakterium Magnetococcus marinus schwimmt mit Hilfe von zwei Bündeln von Geißeln. Außerdem besitzen die Bakterienzellen eine Art intrazelluläre Kompassnadel und können daher mit einem Magnetfeld gesteuert werden. Sie werden deshalb als biologisches Modell für Mikroroboter benutzt. Ein internationales Team der Universität Göttingen, des Max-Planck-Instituts für Kolloid- und Grenzflächenforschung in Potsdam und der CEA Cadarache (Frankreich) hat nun aufgeklärt, wie sich diese Bakterien bewegen und deren Schwimmgeschwindigkeit bestimmt. Die Ergebnisse sind in der Fachzeitschrift eLife erschienen.

Die Forscherinnen und Forscher nutzten eine Kombination von neuen experimentellen Methoden und Computersimulationen: Sie verfolgten die Bewegung der...

Im Focus: Ultraschnelles Schalten eines optischen Bits: Gewinn für die Informationsverarbeitung

Wissenschaftler der Universität Paderborn und der TU Dortmund veröffentlichen Ergebnisse in Nature Communications

Computer speichern Informationen in Form eines Binärcodes, einer Reihe aus Einsen und Nullen – sogenannten Bits. In der Praxis werden dafür komplexe...

Im Focus: Fraunhofer IOSB-AST und DRK Wasserrettungsdienst entwickeln den weltweit ersten Wasserrettungsroboter

Künstliche Intelligenz und autonome Mobilität sollen dem Strukturwandel in Thüringen und Sachsen-Anhalt neue Impulse verleihen. Mit diesem Ziel fördert das Bundeswirtschaftsministerium ab sofort ein innovatives Projekt in Halle (Saale) und Ilmenau.

Der Wasserrettungsdienst Halle (Saale) und das Fraunhofer Institut für Optronik,
Systemtechnik und Bildauswertung, Institutsteil Angewandte Systemtechnik...

Im Focus: A step towards controlling spin-dependent petahertz electronics by material defects

The operational speed of semiconductors in various electronic and optoelectronic devices is limited to several gigahertz (a billion oscillations per second). This constrains the upper limit of the operational speed of computing. Now researchers from the Max Planck Institute for the Structure and Dynamics of Matter in Hamburg, Germany, and the Indian Institute of Technology in Bombay have explained how these processes can be sped up through the use of light waves and defected solid materials.

Light waves perform several hundred trillion oscillations per second. Hence, it is natural to envision employing light oscillations to drive the electronic...

Im Focus: Haben ein Auge für Farben: druckbare Lichtsensoren

Kameras, Lichtschranken und Bewegungsmelder verbindet eines: Sie arbeiten mit Lichtsensoren, die schon jetzt bei vielen Anwendungen nicht mehr wegzudenken sind. Zukünftig könnten diese Sensoren auch bei der Telekommunikation eine wichtige Rolle spielen, indem sie die Datenübertragung mittels Licht ermöglichen. Wissenschaftlerinnen und Wissenschaftlern des Karlsruher Instituts für Technologie (KIT) am InnovationLab in Heidelberg ist hier ein entscheidender Entwicklungsschritt gelungen: druckbare Lichtsensoren, die Farben sehen können. Die Ergebnisse veröffentlichten sie jetzt in der Zeitschrift Advanced Materials (DOI: 10.1002/adma.201908258).

Neue Technologien werden die Nachfrage nach optischen Sensoren für eine Vielzahl von Anwendungen erhöhen, darunter auch die Kommunikation mithilfe von...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

Leopoldina-Symposium: „Mission – Innovation“ 2020

21.02.2020 | Veranstaltungen

Gemeinsam auf kleinem Raum - Mikrowohnen

19.02.2020 | Veranstaltungen

Chemnitzer Linux-Tage am 14. und 15. März 2020: „Mach es einfach!“

12.02.2020 | Veranstaltungen

VideoLinks
Wissenschaft & Forschung
Weitere VideoLinks im Überblick >>>
 
Aktuelle Beiträge

Schiffsexpedition bringt Licht ins Innere der Erde

24.02.2020 | Geowissenschaften

Elektronenbeugung zeigt winzige Kristalle in neuem Licht

24.02.2020 | Biowissenschaften Chemie

Antikörper als Therapiealternative bei Tumoren am Hör- und Gleichgewichtsnerv?

24.02.2020 | Medizin Gesundheit

Weitere B2B-VideoLinks
IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics