-
Was kann Knstliche Intelligenz - was nicht?
Dr. Aljoscha Burchardt
Deutsches Forschungszentrum fr Knstliche 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, Flugzeugabstrze
Man kann nicht reinschauen Gerichtsgutachten
Wohnungsvergabe
Finanzamt
Fazit: Menschen sind beschrnkt und machen Fehler
Aber: Im Groen und Ganzen vertrauen wir unseren Mitmenschen
... und haben Spa miteinander.
15.02.2018 D21 2
-
Die Maschine als bermensch?
15.02.2018 D21 3
AI Engine
-
Das DFKI
Das DFKI ist das weltweit grte Zentrum fr Forschung und
Anwendung der Knstliche Intelligenz
1988 als Public-Private-Partnership gegrndet
Eingetragen als gemeinntzige GmbH nach deutschem Recht
Verbunden mit sechs Universitten
Geschftsfhrer: Prof. Dr. Dr. h.c. mult. Wolfgang Wahlster
Von einem Aufsichtsrat geleitet
Basisfakten
938 Beschftigte (740 FTE)
41,4 Mio. Umsatz (2016)
19 Forschungsbereiche (Labs) und Forschungsgruppen
334 laufende Projekte
15.02.2018 D21 4
-
5 x DFKI
Saarbrcken
Berlin
Bremen
Osnabrck
Kaiserslautern
-
Die Gesellschafter des DFKI
Saarland
BremenRheinland-Pfalz
15.02.2018 D21 6
-
Die Forschungsbereiche und -gruppen des DFKI
MultilingualeTechnologien
PlanbasierteRoboter-
steuerung
DigitaleWirtschaft
IntelligenteAnalytik fr
Massendaten
IntelligenteNetze
RoboticsInnovation
Center
15.02.2018 D21 7
-
Heute
Zweck: Die 2. Welle der Digitalisierung
Mittel: Knstliche Intelligenz
Methode: Maschinelles Lernen
15.02.2018 D21 8
-
DIGITALISIERUNG
D21 915.02.2018
-
Erste Welle:Daten digital
- Erfassen
- Speichern
- bertragen
- Verarbeiten
Zweite Welle:Daten digital
- Verstehen
- Veredeln
- Aktiv nutzen
- Monetarisieren
Maschinenlesbare Daten: Internet- und
Cloudtechnologien
Maschinenverstehbare Daten: Knstliche Intelligenz und
Maschinelles Lernen
Knstliche Intelligenz fr die zweite
Welle der Digitalisierung
15.02.2018 D21 10
-
KNSTLICHE INTELLIGENZ
D21 1115.02.2018
-
15.02.2018 D21 12
-
Arbeitsdefinition
Knstliche Intelligenz (KI) ist die Eigenschaft eines IT-Systems,
eine der
menschlichen Kognition hnliche Fhigkeit zu zeigen. Diese
Fhigkeit kann
ansatzweise erkennbar sein, wie etwa die Dialogfhigkeit
heutiger
Smartphones. Sie kann aber auch ber die menschliche
Leistungsfhigkeit
hinausgehen, wie etwa bei der Auswertung zehntausender
MRT-Scans. KI-
Systeme verfgen in unterschiedlichen Anteilen ber bestimmte
Kernfhigkeiten wie situatives Wahrnehmen, Verstehen,
Kommunizieren,
Handeln, Schlussfolgern oder Lernen.
15.02.2018 D21 13
-
Theorie
Starke KI zielt auf den Homunculus, den knstlichen Menschen.
Dieser
Ansatz trgt in sich die Fragen nach dem maschinellen Bewutsein,
dem
Willen zur Macht und das Konzept der Singularit.
Schwache KI konzentriert sich auf einzelne konkrete
Wissensfhigkeiten.
Ziel sind Technologien, die den Menschen in seinen jeweiligen
Handlungskontexten
optimal dabei untersttzen, seine Ziele besser, leichter oder mit
einer hheren Qualitt
zu erreichen.
Es geht nicht um das knstliche 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
Wissensreprsentation
Wissensverarbeitung
- Suchen
- Inferieren
- Planen
Wissensprsentation
Lern- und Inferenzbibliotheken
Wissensreprsentationssprachen
On
tolo
gie
n
KI-
Ha
rdw
areLernen
-
Assistenzsysteme fr die Untersttzung von
krperlicher und geistiger Arbeit durch KI
15.02.2018 D21 16
Assistenz bei krperlicher 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 mchte 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
D21 1915.02.2018
-
Von programmierten Systemen zu selbst-
lernenden Systemen
15.02.2018 D21 20
Flaschenhals: Programmierer hoher Entwicklungsaufwand aufwndige
Adaption geringe Erklrungsfhigkeit
Flaschenhals: Wissensbasishoher Entwicklungsaufwandhoher
Pflegeaufwandgute Erklrungsfhigkeit
Flaschenhals: Trainingsdatengeringer Entwicklungsaufwandleichte
Anpassbarkeitschlechte Erklrungsfhigkeit
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 aufwndige
Adaption geringe Erklrungsfhigkeit
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 Erklrungsfhigkeit
https://gearpatrol.com/2017/07/19/how-does-a-virtual-assistant-work/
-
3. Maschinelles Lernen
15.02.2018 D21 23
Flaschenhals: Trainingsdatengeringer Entwicklungsaufwandleichte
Anpassbarkeitschlechte Erklrungsfhigkeit
Ausgabe
Eingabe
Daten-basisMaschinelles
LernenMerkmalsextraktion,Mustererkennung,
Merkmalsabbildung
Trainingsdaten,Metadaten,Testdaten
Automatisches Clustering fr Empfehlungen Maschinelles bersetzen
Auto steuern Go Spielen Komponieren wie Bach
-
Lernen vom Menschen
15.02.2018 D21 24
flower
Lets 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
Lets make that moveso that I win the game
flower
-
A Neural Algorithm of Artistic Style, L. Gatys, A. Ecker,
M.Bethge, Universitt Tbingen, 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, ber unsere Praktiken nachzudenken
Was sind unsere Regeln?
Wollen wir alle Regeln strikt anwenden?
Welche Erklrungen 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
Knstliche Intelligenz
Lernen, Sprachverstehen, Planen, Inferenzen,
Situationsbezogenheit
Maschinelles Lernen
Merkmale und Muster erkennen
Oft auf manuell bearbeiteten/erzeugten Trainingsdaten
(supervised)
Mchtig, aber reaktiv, keine
Erklrungen/Entscheidungsuntersttzung, keine
dynamische Interaktion
15.02.2018 D21 34
-
Danke!
15.02.2018 D21 35
Dr. Aljoscha BurchardtDFKI, Language Technology LabAlt-Moabit
91c, 10559 [email protected]
+49-30-23895-1838
mailto:[email protected]
