KI Wissen - Entwicklung von Methoden für die Einbindung von Wissen in maschinelles Lernen

Abstract

KI Wissen ist ein Projekt der KI Familie. Es wurde aus der VDA Leitinitiative autonomes und vernetztes Fahren initiiert und entwickelt und wird vom Bundesministerium für Wirtschaft und Klimaschutz gefördert. Ein hybrider Ansatz für KI: Aktuell werden KI-Verfahren weitgehend datenbasiert entwickelt. In der Trainingsphase wird auf Experteneingriffe verzichtet und die KI ausschließlich durch Daten in einem kontinuierlichen Prozess optimiert. Diese Vorgehensweise weist zwei erhebliche Schwächen auf: Für das Training und die Validierung werden enorme Datenmengen benötigt, deren Erhebung und Aufbereitung sehr aufwendig und teuer sind. Darüber hinaus sind datenbasierte KI-Funktionen oftmals Black-Box-Modelle, deren Entscheidungsfindung nicht immer direkt nachvollzogen werden kann. Bisherige Forschungsansätze konzentrieren sich bei der Lösung dieser Probleme auf die Optimierung der für das Training notwendigen Daten. Das Projekt KI Wissen geht die Herausforderung auf eine neuartige Art und Weise an: Es erforscht, wie sich bekanntes, für den Verkehrskontext relevantes Wissen - in Form von Verkehrsregeln, mathematisch-physikalischen Gegebenheiten und auch sozialen Normen - in KI-Systeme einbinden lässt. Durch diesen hybriden Ansatz, d. h. die Verknüpfung von datenbasierten Verfahren mit wissensbasierten Methoden, wird im Projekt die Basis für das Training und die Validierung der KI-Funktionen komplett neu definiert. Die im Projekt vollzogene Weiterentwicklung von daten- zu informationsbasierter KI adressiert zentrale Herausforderungen auf dem Weg zum autonomen Fahren: die Generalisierung der KI auf Phänomene mit geringer Datengrundlage, die Erhöhung der Stabilität der trainierten KI auf Störungen der Daten, die Dateneffizienz, die Plausibilisierung und die Absicherung von KI-gestützten Funktionen sowie die Steigerung der funktionalen Güte. Datei-Upload durch TIB KI Wissen is a project of the KI family. It was initiated and developed from the VDA flagship initiative for autonomous and connected driving and is funded by the Federal Ministry for Economic Affairs and Climate Action. A hybrid approach to AI: Currently, AI processes are largely developed based on data. In the training phase, expert intervention is avoided and the AI is optimized exclusively through data in a continuous process. This approach has two significant weaknesses: enormous amounts of data are required for training and validation, the collection and processing of which are very complex and expensive. In addition, data-based AI functions are often black box models whose decision-making cannot always be directly traced. When solving these problems, previous research approaches focus on optimizing the data necessary for training. The AI Knowledge project approaches the challenge in a novel way: It researches how known knowledge relevant to the traffic context - in the form of traffic rules, mathematical-physical conditions and also social norms - can be integrated into AI systems. Through this hybrid approach, i.e. H. By linking data-based procedures with knowledge-based methods, the project completely redefines the basis for training and validating AI functions. The further development from data-based to information-based AI carried out in the project addresses central challenges on the way to autonomous driving: the generalization of AI to phenomena with little data, increasing the stability of the trained AI to data disruptions, data efficiency, plausibility and the Securing AI-supported functions and increasing functional quality.