Was kann Künstliche Intelligenz - was nicht? - Initiative D21
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Was kann Künstliche Intelligenz - was nicht? Dr. Aljoscha Burchardt Deutsches Forschungszentrum für Künstliche Intelligenz Nachdenk-Veranstaltung der Arbeitsgruppe Ethik der Initiative D21, Berlin, 15.02.2018
Denkimpulse: The human factor
• Ethische Baustellen
– Wissenschaft/Recht (Rassengesetze, Todesstrafe), Diskriminierung (Hausfrauenehe,
Bildung), Generationengerechtigkeit (Energieverbrauch, Fleischkonsum)
• Mensch-Technik
– Titanic, Tschernobyl, Flugzeugabstürze
• „Man kann nicht reinschauen“
– Gerichtsgutachten
– Wohnungsvergabe
– Finanzamt
• Fazit: Menschen sind beschränkt und machen Fehler
• Aber: Im Großen und Ganzen vertrauen wir unseren Mitmenschen
• ... und haben Spaß miteinander.
15.02.2018 D21 2
Die Maschine als Übermensch?
AI Engine
15.02.2018 D21 3
Das DFKI
• Das DFKI ist das weltweit größte Zentrum für Forschung und Anwendung der Künstliche
Intelligenz
• 1988 als Public-Private-Partnership gegründet
• Eingetragen als gemeinnützige GmbH nach deutschem Recht
• Verbunden mit sechs Universitäten
• Geschäftsführer: Prof. Dr. Dr. h.c. mult. Wolfgang Wahlster
• Von einem Aufsichtsrat geleitet
• Basisfakten
– 938 Beschäftigte (740 FTE)
– 41,4 Mio. € Umsatz (2016)
– 19 Forschungsbereiche (Labs) und Forschungsgruppen
– 334 laufende Projekte
15.02.2018 D21 4
5 x DFKI
Bremen
Berlin
Osnabrück
Kaiserslautern
Saarbrücken
Die Gesellschafter des DFKI
Saarland
Rheinland-Pfalz Bremen
15.02.2018 D21 6
Die Forschungsbereiche und -gruppen des DFKI
Multilinguale
Technologien
Digitale
Wirtschaft
Robotics
Innovation
Center
Intelligente
Analytik für Intelligente
Netze
Massendaten
Planbasierte
Roboter-
steuerung
15.02.2018 D21 7
Heute • Zweck: Die 2. Welle der Digitalisierung • Mittel: Künstliche Intelligenz • Methode: Maschinelles Lernen 15.02.2018 D21 8
DIGITALISIERUNG 15.02.2018 D21 9
Künstliche Intelligenz für die zweite
Welle der Digitalisierung
Erste Welle:
Daten digital
Zweite Welle:
Daten digital
- Erfassen
- Verstehen
- Speichern
- Veredeln
- Übertragen
- Aktiv nutzen
- Verarbeiten
- Monetarisieren
Maschinenlesbare Daten: Maschinenverstehbare Daten:
Internet- und Künstliche Intelligenz und Maschinelles Lernen
Cloudtechnologien
15.02.2018 D21 10KÜNSTLICHE INTELLIGENZ 15.02.2018 D21 11
15.02.2018 D21 12
Arbeitsdefinition Künstliche Intelligenz (KI) ist die Eigenschaft eines IT-Systems, eine der menschlichen Kognition ähnliche Fähigkeit zu zeigen. Diese Fähigkeit kann ansatzweise erkennbar sein, wie etwa die Dialogfähigkeit heutiger Smartphones. Sie kann aber auch über die menschliche Leistungsfähigkeit hinausgehen, wie etwa bei der Auswertung zehntausender MRT-Scans. KI- Systeme verfügen in unterschiedlichen Anteilen über bestimmte Kernfähigkeiten wie situatives Wahrnehmen, Verstehen, Kommunizieren, Handeln, Schlussfolgern oder Lernen. 15.02.2018 D21 13
Theorie
• Starke KI zielt auf den Homunculus, den künstlichen Menschen. Dieser
Ansatz trägt in sich die Fragen nach dem maschinellen Bewußtsein, dem
Willen zur Macht und das Konzept der Singulariät.
• Schwache KI konzentriert sich auf einzelne konkrete Wissensfähigkeiten.
– Ziel sind Technologien, die den Menschen in seinen jeweiligen Handlungskontexten
optimal dabei unterstützen, seine Ziele besser, leichter oder mit einer höheren Qualität
zu erreichen.
– Es geht nicht um das künstliche Bewusstsein, nicht um die Simulation des menschlichen
Denkens, nicht um Konkurrenz, sondern um smarte Mensch-Maschine-Interaktion
und -Kollaboration.
15.02.2018 D21 14Kerngebiete und Einsatzfelder der KI
Sprachver- Bild-
Autonome Kollaborative
stehende verstehende
System Roboter
Systeme Systeme
Lern- und Inferenzbibliotheken
Subsymbolische Musterkennung
Lernen
KI-Hardware
Ontologien
Wissensrepräsentation
Wissensverarbeitung
- Suchen
- Inferieren
- Planen
Wissenspräsentation
Wissensrepräsentationssprachen
Multi- Intelligente Bots, Chatbots
Agenten Trainings- und virtuelle Ambiente
Systeme -und Lernsystem Charaktere Intelligenz
15.02.2018 D21 15Assistenzsysteme für die Unterstützung von
körperlicher und geistiger Arbeit durch KI
Assistenz bei körperlicher Arbeit Assistenz bei geistiger Arbeit
durch kollaborative KI-Roboter durch kognitive KI-Systeme
z.B.: AILA als kollaborativer DFKI Roboter z.B.: LEVERTON mit Deep Learning
In Legal Tech als DFKI Spin-Off
Mensch-Roboter-Kollaboration, Stand-by
Roboter, Team-Robotik Bankberatung, Rechtsberatung,
Personalberatung
15.02.2018 D21 16Digitalisierung vs. KI „Ich möchte nie meine Entscheidung von einer Maschine dominiert wissen.“ 15.02.2018 D21 17
Von Information zu Wissen: Wer ist Wolfgang Dauner? 15.02.2018 D21 18
MASCHINELLES LERNEN 15.02.2018 D21 19
Von programmierten Systemen zu selbst-
lernenden Systemen
Ausgabe Ausgabe Ausgabe
Maschinelles
Wissens- Wissens- Daten-
Computer- Program- basis Lernen basis
mierer verarbeitung Merkmalsextraktion,
programm Suche, Fakten, Trainingsdaten,
erstellt Mustererkennung, Metadaten,
Algorithmus, Inferenz, Regeln,
Software Modelle Merkmalsabbildung Testdaten
Heuristik Planung
Eingabe Eingabe Eingabe
Flaschenhals: Programmierer Flaschenhals: Wissensbasis Flaschenhals: Trainingsdaten
hoher Entwicklungsaufwand hoher Entwicklungsaufwand geringer Entwicklungsaufwand
aufwändige Adaption hoher Pflegeaufwand leichte Anpassbarkeit
geringe Erklärungsfähigkeit gute Erklärungsfähigkeit schlechte Erklärungsfähigkeit
15.02.2018 D21 201. Einprogrammieren
Ausgabe
Computer- Program-
mierer
programm erstellt
Algorithmus, Software
Heuristik
Eingabe
Flaschenhals: Programmierer
hoher Entwicklungsaufwand
aufwändige Adaption
geringe Erklärungsfähigkeit
Bild: www.connox.at
15.02.2018 D21 212. Expertenwissen aufbauen
Ausgabe
Wissens- Wissens-
basis
verarbeitung
Suche, Fakten,
Regeln,
Inferenz, Modelle
Planung
Eingabe
https://gearpatrol.com/2017/07/19/how-does-a-virtual-assistant-work/
Flaschenhals: Wissensbasis
hoher Entwicklungsaufwand
hoher Pflegeaufwand
gute Erklärungsfähigkeit
15.02.2018 D21 223. Maschinelles Lernen
Ausgabe
Maschinelles Daten-
basis
Lernen
Trainingsdaten,
Merkmalsextraktion, Metadaten,
Mustererkennung, Testdaten
Merkmalsabbildung
Eingabe
• Automatisches Clustering für Empfehlungen
• Maschinelles Übersetzen
• Auto steuern Flaschenhals: Trainingsdaten
• Go Spielen geringer Entwicklungsaufwand
• Komponieren wie Bach leichte Anpassbarkeit
schlechte Erklärungsfähigkeit
15.02.2018 D21 23Lernen vom Menschen
“flower”
Drive carefully due
to the traffic situation
Let’s make that move
so that I win the game
15.02.2018 D21 24Tiefes Maschinelles Lernen
“flower”
Drive carefully due
to the traffic situation
Let’s make that move
so that I win the game
15.02.2018 D21 25Maschinelles Lernen – Stilimitation
A Neural Algorithm of Artistic Style, L. Gatys, A. Ecker, M.Bethge, Universität Tübingen, 2015
15.02.2018 D21 26Open Problems for the New Wave of Bots Based on
Machine Learning
• Overfitting
• No Extinction Learning
• Weak Explanation Capabilities
• Architecture Alchemy
• False Alarms by False Positives
15.02.2018 D21 27Hintergrund: Prozesse in KI-Systemen
Wahr-
nehmen/
Erkennen
Planen/ Verstehen/
Handeln Wissen
15.02.2018 D21 28Hintergrund: Maschinelles Lernen heute
Wahr-
nehmen/
Maschinelles Erkennen
Lernen
Planen/ Verstehen/
Handeln Wissen
15.02.2018 D21 29Ziel: Maschinelles Lernen in allen
Prozess-Schritten
Wahr-
nehmen/
Erkennen
Maschinelles
Lernen
Planen/ Verstehen/
Handeln Wissen
15.02.2018 D21 30... bezogen auf Ethik
• Expertensysteme, regelbasiert
– Eher normativ
– Formalisierbarkeit der Fragestellung
– Zielkonflikte
• Maschinelles Lernen
– Eher deskriptiv (ehrlicher: grob intuitiv)
– Lernbarkeit der Handlungen
– Hohe Anforderungen an die Daten
• Digitalisierung zwingt uns, über unsere Praktiken nachzudenken
– Was sind unsere Regeln?
– Wollen wir alle Regeln strikt anwenden?
– Welche Erklärungen brauchen/fordern wir?
• Grundfrage: Unter welchen Bedingungen wollen wir Maschinen trauen?
• Ehrlicher: Wann haben wir Lust, mit Maschinen zu kooperieren?
15.02.2018 D21 31Next Generation AI Systems: A Research Roadmap • Emergent Machine Learning Systems • Immersive Assistance Based on Ultra-Connectivity • Self-Controlled Systems for Long-Term Autonomy • Hybrid Teamwork with Human and Machine Intelligence • Wearable Artificial Intelligence Systems 15.02.2018 D21 32
HYSOCIATEA: Developing Team Spirit
1. Distributed problem analysis and task allocation based on
skills, knowledge and experience
humans
1. Sharing goals, plans as well as intentions and coordinating
plan execution
2. Understanding of all physical and communicative interactions
of all team members
robots
3. Developing social group behavior and emotional coherence
4. Building mutual trust and demonstrating accountability for the
assigned subtasks virtual
agents
5. Compensating weaknesses of individual members by
empathetic help
softbots
15.02.2018 D21 33Zentrale Begriffe
• Digitalisierung
– Zweite Welle: Vom Informationsspeicher zur Wissensquelle
• Künstliche Intelligenz
– Lernen, Sprachverstehen, Planen, Inferenzen, Situationsbezogenheit
• Maschinelles Lernen
– Merkmale und Muster erkennen
– Oft auf manuell bearbeiteten/erzeugten Trainingsdaten (supervised)
– Mächtig, aber „reaktiv“, keine Erklärungen/Entscheidungsunterstützung, keine
dynamische Interaktion
15.02.2018 D21 34Danke!
Dr. Aljoscha Burchardt
DFKI, Language Technology Lab
Alt-Moabit 91c, 10559 Berlin
Aljoscha.Burchardt@dfki.de
Tel. +49-30-23895-1838
15.02.2018 D21 35Sie können auch lesen
