Informatik Wie neuronale Netze besser erkennen
Künstliche Intelligenzen können schon heute die Umgebung gut wahrnehmen und bewerten. Aber was, wenn es Unsicherheiten gibt?
Der Frage nach Unsicherheiten künstlicher Intelligenzen widmet sich Dr. Kira Maag in der Machine Learning Group der RUB-Fakultät für Informatik seit Januar 2022. Sie wurde im Förderprogramm KI-Starter des Landes Nordrhein-Westfalen ausgezeichnet und erhält ein zweijähriges Stipendium für ihre Arbeit.
Experten springen ein
Wenn Autos eines Tags autonom fahren sollen, müssen sie ihre Umgebung sicher wahrnehmen und bewerten können: Geht da ein Mensch über die Straße? Was zeigt das Verkehrsschild? Neuronale Netze können schon heute viele solcher Aufgaben gut bewältigen. „Wenn es darum geht, ob das, was die Kamera erfasst, die Straße oder der Himmel ist, dann sind sie darin gut“, erklärt Kira Maag. „Es gibt aber auch Unsicherheiten, also Situationen, in denen die Künstliche Intelligenz nicht so einfach entscheiden kann, was die Kamera erfasst hat.“
Diese Unsicherheiten stehen im Mittelpunkt ihrer Arbeit. Sie will herausfinden, mit welcher Methode man am effizientesten mit solchen Unsicherheiten umgeht. Hilft es, mehrere neuronale Netze zu koppeln, um besser und schneller Klarheit in unsicheren Situationen zu gewinnen? Ist es dann sinnvoller, gleiche, aber unterschiedlich trainierte neuronale Netze zu kombinieren oder ganz verschiedene? „Ein anderer Ansatz ist, einem neuronalen Netz ein sogenanntes Expertennetz zur Seite zu stellen, das nur dann einspringt, wenn es Unsicherheiten gibt“, erklärt die Forscherin. Hintergrund ist, dass mehr Genauigkeit immer auch mehr Rechenzeit braucht. Schaltet sich das genaue und langsamere Netzwerk nur in Zweifelsfällen ein, spart das Zeit und Rechenkapazität.