View
229
Download
0
Category
Preview:
Citation preview
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
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
Die Forschungsbereiche und -gruppen des DFKI
MultilingualeTechnologien
PlanbasierteRoboter-
steuerung
DigitaleWirtschaft
IntelligenteAnalytik für
Massendaten
IntelligenteNetze
RoboticsInnovation
Center
15.02.2018 D21 7
Heute
• Zweck: Die 2. Welle der Digitalisierung
• Mittel: Künstliche Intelligenz
• Methode: Maschinelles Lernen
15.02.2018 D21 8
Erste Welle:Daten digital
- Erfassen
- Speichern
- Übertragen
- Verarbeiten
Zweite Welle:Daten digital
- Verstehen
- Veredeln
- Aktiv nutzen
- Monetarisieren
Maschinenlesbare Daten: Internet- und
Cloudtechnologien
Maschinenverstehbare Daten: Künstliche Intelligenz und Maschinelles Lernen
Künstliche Intelligenz für die zweite
Welle der Digitalisierung
15.02.2018 D21 10
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 14
Kerngebiete und Einsatzfelder der KI
15.02.2018 D21 15
Sprachver-
stehende
Systeme
Bild-
verstehende
Systeme
Autonome
System
Kollaborative
Roboter
Multi-
Agenten
Systeme
Intelligente
Trainings-
-und Lernsystem
Bots, Chatbots
und virtuelle
Charaktere
Ambiente
Intelligenz
Subsymbolische Musterkennung
Wissensrepräsentation
Wissensverarbeitung
- Suchen
- Inferieren
- Planen
Wissenspräsentation
Lern- und Inferenzbibliotheken
Wissensrepräsentationssprachen
On
tolo
gie
n
KI-
Ha
rdw
areLernen
Assistenzsysteme für die Unterstützung von
körperlicher und geistiger Arbeit durch KI
15.02.2018 D21 16
Assistenz bei körperlicher Arbeit durch kollaborative KI-Roboter
Assistenz bei geistiger Arbeit durch kognitive KI-Systeme
z.B.: LEVERTON mit Deep LearningIn Legal Tech als DFKI Spin-Off
Bankberatung, Rechtsberatung, Personalberatung
z.B.: AILA als kollaborativer DFKI Roboter
Mensch-Roboter-Kollaboration, Stand-byRoboter, Team-Robotik
Digitalisierung vs. KI
„Ich möchte nie meine
Entscheidung von einer
Maschine dominiert wissen.“
15.02.2018 D21 17
Von programmierten Systemen zu selbst-
lernenden Systemen
15.02.2018 D21 20
Flaschenhals: Programmierer hoher Entwicklungsaufwand aufwändige Adaption geringe Erklärungsfähigkeit
Flaschenhals: Wissensbasishoher Entwicklungsaufwandhoher Pflegeaufwandgute Erklärungsfähigkeit
Flaschenhals: Trainingsdatengeringer Entwicklungsaufwandleichte Anpassbarkeitschlechte Erklärungsfähigkeit
Computer-
programmAlgorithmus,
Heuristik
Wissens-
verarbeitungSuche,
Inferenz,
Planung
Program-mierer erstellt
Software
Ausgabe
Eingabe Eingabe
Ausgabe Ausgabe
Eingabe
Wissens-basis
Daten-basis
Fakten,Regeln,Modelle
MaschinellesLernen
Merkmalsextraktion,Mustererkennung,
Merkmalsabbildung
Trainingsdaten,Metadaten,Testdaten
1. Einprogrammieren
15.02.2018 D21 21
Flaschenhals: Programmierer hoher Entwicklungsaufwand aufwändige Adaption geringe Erklärungsfähigkeit
Computer-
programmAlgorithmus,
Heuristik
Program-mierererstellt
Software
Ausgabe
Eingabe
Bild: www.connox.at
2. Expertenwissen aufbauen
15.02.2018 D21 22
Wissens-
verarbeitungSuche,
Inferenz,
Planung
Eingabe
Ausgabe
Wissens-basis
Fakten,Regeln,Modelle
Flaschenhals: Wissensbasishoher Entwicklungsaufwandhoher Pflegeaufwandgute Erklärungsfähigkeit
https://gearpatrol.com/2017/07/19/how-does-a-virtual-assistant-work/
3. Maschinelles Lernen
15.02.2018 D21 23
Flaschenhals: Trainingsdatengeringer Entwicklungsaufwandleichte Anpassbarkeitschlechte Erklärungsfähigkeit
Ausgabe
Eingabe
Daten-basisMaschinelles
LernenMerkmalsextraktion,Mustererkennung,
Merkmalsabbildung
Trainingsdaten,Metadaten,Testdaten
• Automatisches Clustering für Empfehlungen• Maschinelles Übersetzen• Auto steuern• Go Spielen• Komponieren wie Bach
Lernen vom Menschen
15.02.2018 D21 24
“flower”
Let’s make that moveso that I win the game
Drive carefully dueto the traffic situation
Tiefes Maschinelles Lernen
15.02.2018 D21 25
Drive carefully dueto the traffic situation
Let’s make that moveso that I win the game
“flower”
A Neural Algorithm of Artistic Style, L. Gatys, A. Ecker, M.Bethge, Universität Tübingen, 2015
Maschinelles Lernen – Stilimitation
15.02.2018 D21 26
• Overfitting
• No Extinction Learning
• Weak Explanation Capabilities
• Architecture Alchemy
• False Alarms by False Positives
Open Problems for the New Wave of Bots Based on
Machine Learning
15.02.2018 D21 27
Hintergrund: Prozesse in KI-Systemen
Wahr-nehmen/ Erkennen
Verstehen/ Wissen
Planen/ Handeln
15.02.2018 D21 28
Hintergrund: Maschinelles Lernen heute
Wahr-nehmen/ Erkennen
Verstehen/ Wissen
Planen/ Handeln
MaschinellesLernen
15.02.2018 D21 29
Ziel: Maschinelles Lernen in allen
Prozess-Schritten
Wahr-nehmen/ Erkennen
Verstehen/ Wissen
Planen/ Handeln
Maschinelles
Lernen
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 31
Next 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
1. Sharing goals, plans as well as intentions and coordinating plan execution
2. Understanding of all physical and communicative interactions of all team members
3. Developing social group behavior and emotional coherence
4. Building mutual trust and demonstrating accountability for the assigned subtasks
5. Compensating weaknesses of individual members by empathetic help
humans
robots
virtual agents
softbots
15.02.2018 D21 33
Zentrale 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 34
Danke!
15.02.2018 D21 35
Dr. Aljoscha BurchardtDFKI, Language Technology LabAlt-Moabit 91c, 10559 BerlinAljoscha.Burchardt@dfki.deTel. +49-30-23895-1838
Recommended