FrAIday Blog #2

Maschinelles Lernen: unterschiedliche Aufgaben – unterschiedliche Lösungen

Wir haben den KI-Experten Martin Schiele, Geschäftsführer der AI-UI GmbH, weiterführend zum Thema Künstliche Intelligenz befragt. Maschinelles Lernen (engl. Machine Learning) ist hier das Schlagwort. Heute wird es darum gehen, wie KI lernt. Wir beleuchten verschiedene Arten bzw. Methoden des künstlichen Lernens und zeigen jeweils Einsatzgebiete auf. Herr Schiele stellt außerdem die Lösungsmöglichkeit seiner eigens entwickelten Software in diesem Zusammenhang vor.

Wir lüften das Geheimnis: Wie lernt denn nun eigentlich KI?

Wie in Blog I: „Einführung“ bereits erwähnt, kann man sagen, dass für die meisten Aufgaben des maschinellen Lernens, auch generell „KI“ genannt, ganz einfach Daten miteinander in Verbindung gebracht werden. Diese Daten können ganz unterschiedlicher Natur sein. Ist der Datensatz groß genug, kann man gegebenenfalls annehmen, dass diese Werte die Realität, die sie beschreiben, mit ausreichender Genauigkeit wiedergeben. Es gibt aber verschiedene Herangehensweisen oder auch „Arten des maschinellen Lernens“, die Sie darauf anwenden können.

Das müssen Sie genauer erklären. Was bedeutet Unsupervised Learning?

Im Unbeaufsichtigten Lernen gibt es verschiedene Methoden, um in den vorhandenen Daten Muster zu erkennen und diese anschließend zu nutzen, um die Daten nach Klassen zu ordnen.
KI Hunde und Katzen Mustererkennung
Wie im Bild illustriert, wird ein Sammelsurium an Hunde- und Katzenbildern, im besten Fall automatisch, ohne Zutun des Menschen in zwei einzelne Datensätze überführt. Dies geht prinzipiell mit vielerlei Daten, ist aber oft weniger zuverlässig, da die reale Welt immer „Rauschen“ beinhaltet. Das können auf Bildern weitere Pixel von Menschen, Pflanzen, Möbeln sein oder auch das Sensorrauschen bei Maschinen. Unbeaufsichtigtes Lernen hat mit dieser Art „Mischmasch“ oft Probleme, weshalb das „Supervised Learning“ populärer ist.

Wie unterscheidet sich davon das Supervised Learning, Herr Schiele?

KI Schritt 1 - Training
Beim Beaufsichtigten Lernen lässt man anders als im Unbeaufsichtigten Lernen nicht einen Algorithmus die Arbeit des Labelns übernehmen, sondern übernimmt dies als Mensch selbst. Das heißt im ersten Schritt (Abb. links) werden die Daten „gelabelt“, also das, was die KI später erkennen soll, vorbenannt.
Während des Trainings lernt die KI dann, welche Eigenschaften in den Daten mit diesem Label verbunden sind. Die KI kann diese anschließend im zweiten Schritt nach dem Training (Abb. rechts) in neuen, unbekannten Daten wiedererkennen. Es kommt der Art und Weise nahe, wie Menschen ihre Kinder „trainieren“. Sie zeigen ihnen verschiedene Tiere und benennen sie. So lernen die Kinder und können es folglich in Ihren Erfahrungsschatz übernehmen und richtig anwenden.
KI Schritt 1 - Nutzung

Erklären Sie uns doch bitte zu guter Letzt, was das Reinforcement Learning umfasst!

Bestärkendes Lernen ist das schwierigste der drei Gebiete. Dabei besteht für einen „Agent/Actor“ (die KI) eine bestimmte Aufgabe, wie das Spielen eines Spiels oder das Steuern einer Maschine nach einer vordefinierten Belohnungsfunktion. Ähnlich können wir wieder den Bogen in den Alltag spannen. Schauen wir uns hier wieder das Beispiel Kind an – genauer gesagt, der Besuch auf dem Spielplatz. Dabei ist das Kind der Actor und es bewegt sich frei innerhalb der zu erlernenden Aufgabe „Spielplatzverhalten“. Neben dem Agenten gibt es noch den „Critic“(in diesem Beispiel die Eltern), also eine Instanz, die das Agentenverhalten bewertet und nach Maßgabe der Belohnungsfunktion rügt oder bestärkt.
KI Reinforcement Learning

Wirft das Kind beispielsweise mit Steinen nach anderen Kindern, dann ist den Eltern klar, dass dieses Verhalten gesellschaftlich nicht akzeptiert ist (negative Belohnung) und werden das Kind zurechtweisen. Macht das Kind etwas Angemessenes und Schönes, wird es potenziell gelobt (positive Belohnung). So lernt der Agent bzw. das Kind, wie es sich in der Umgebung „Spielplatz“ zu verhalten hat. Andere Umgebungen (Zuhause, Arbeitsplatz, uvm.) werden oft mit anderen Belohnungsfunktionen beschrieben. Eine KI wird innerhalb des bestärkenden Lernens ganz genau so trainiert, wobei die Belohnung wie ein Konto zu sehen ist, auf das je nach Aktion Belohnung „eingezahlt“ oder „abgebucht“ wird. Der Endkontostand gibt dann prinzipiell an, wie gut sich der Agent (das Kind) in der gegebenen Umgebung (Spielplatz) nach Maßgabe der Belohnungsfunktion (gesellschaftliche Normen und Werte), bewertet durch den „Critic“ bzw. den Eltern, verhält. Der folgende Videolink beschreibt das Ganze ausführlicher an der Forschungsarbeit von mit in Verbindung mit komplexen Systemen (Motorsteuerung).

Für wen ist welche Art des (künstlichen) Lernens interessant?

Unüberwachtes Lernen ist nützlich, wenn Sie aus einem Haufen ungeordneter Daten Hinweise und grobe Zusammenhänge bekommen möchten. Wenn allerdings Daten zur Verfügung stehen, bei denen die Struktur und das, was passiert oder vorliegt klar ist, ist überwachtes Lernen immer die Methode der Wahl. Sie können sich sicher leicht vorstellen, dass eine gelernte Person (Facharbeiter – Überwachtes Lernen) auf einem Spezialgebiet immer besser arbeitet als jemand Fachfremdes (Unüberwachtes Lernen). So in etwa lassen sich beide Arten miteinander vergleichen. Bestärkendes Lernen ist sehr komplex und bedarf viel Erfahrung. Anwendungen auf diesem Gebiet sollten nur dann erfolgen, wenn schon Erfahrungen mit Überwachtem und/oder Unüberwachtem Lernen vorliegen.

Wo kann AI-UI helfen?

Wir arbeiten derzeit ausschließlich mit überwachtem Lernen. Diese Methodik hat in einem Sammelsurium breiter Anwendungsfälle gezeigt, dass es hervorragend funktioniert. Optimieren Sie Ihre Disposition, sodass beispielsweise verderbliche Waren nicht weggeworfen werden müssen oder saisonale Einflüsse in Ihre Prognose mit einfließen. Checken Sie via Bilderkennung vollautomatisch Ihre Produkte auf Fehler und verbinden Sie die Erkenntnisse mit dem Herstellungsprozess. Ebenso können Sie die Standzeiten ihrer Maschinen via digitaler Zwillinge, virtuellen Sensoren und Predictive Maintenance erhöhen. Für alle diese Einsatzgebiete ist AI-UI ein nützliches Werkzeug.
„Methoden des maschinellen Lernens geben tiefe Einblicke in unsere eigenen, menschlichen Lernprozesse.“
Martin Schiele - AIUI
Martin Schiele
Geschäftsführer

FrAIday Blog #1

Einführung in das Thema Künstliche Intelligenz

Was bedeutet denn eigentlich KI?

„KI ist einfach gesagt nichts anderes als eine mathematische Funktion. Wie damals in der Schule: Y = X². Beim Verwenden neuronaler Netze hat man jedoch die freie Möglichkeit, Input (X) und Output (Y) gemischt zu wählen. Ob Text zu Audio, Bild zu Text, tabellarische Werte zu Bildern, man kann alles kombinieren.“
Martin Schiele - AIUI

Was heißt das genau?

„Das heißt, ich kann auf Bildern Objekte erkennen (Bild zu Text), denen ich Namen gebe, oder aus Stimmaufnahmen Personen heraushören (Audio zu Text). Natürlich muss alles erst so umgewandelt werden, dass der Computer es lesen kann, beispielsweise aus Buchstaben Zahlen machen. Danach kann es an das Training gehen. Neuronale Netze werden für die Transformation von X zu Y gerne genutzt, da sie vollkommen flexibel Zusammenhänge abbilden können. Allerdings ist diese Vorgehensweise empirisch und es werden Daten über das Problem benötigt, an dem Sie das neuronale Netz „so formen können“, dass es den Zusammenhang zwischen X und Y, also beispielsweise Bild zu Text, Sprache zu Bild, und so weiter „lernen“ kann. Dies nennt man dann Training.“

KI ist in aller Munde, wo befindet sich denn bereits heute KI im Einsatz? Können Sie uns eine kurze Übersicht über aktuelle Einsatzgebiete künstlicher Intelligenz geben?

„Vor allem die Bildverarbeitung hat in den letzten Jahren stark von KI profitiert. Dabei ist allerdings zu beachten, dass viele Firmen fälschlicherweise behaupten, KI im Einsatz zu haben, dies aber nur aus Marketingzwecken tun. In diesem Bereich kann KI trainiert werden, Objekte auf Bildern zu erkennen, abzugrenzen und zu klassifizieren. Besonders zur Fehlererkennung, Bewertung und quantitativen Erfassung ist diese Methodik hervorragend geeignet. Ich habe nachstehend ein Beispiel für Sie. Sie sehen hier den Einsatz von KI für die Qualitätssicherung an Bremsscheiben. Man sieht klar die Gussfehler am Rand (Grat) und im Material (Löcher). Die KI kann lernen, diese Fehler vollautomatisch zu erkennen und zu quantifizieren nach bspw. Größe oder Flächeninhalt.
Des Weiteren lassen sich Empfehlungssysteme trainieren, die beispielsweise für saisonabhängige Ware vorhersagt, welche Mengen nachgefragt werden. So lassen sich Preise automatisch an die Nachfrage anpassen. Auch digitale Zwillinge lassen sich mit neuronalen Netzen im Handumdrehen erstellen und können später als Simulationswerkzeug oder zur „Predictive Maintenance“ dienen.“

Für wen eignet sich KI?

„Künstliche Intelligenz wird unser aller Leben zunehmend stark beeinflussen. Es sollte sich also jeder etwas damit auskennen, wie sie funktioniert und was Stärken, sowie Schwächen sind. KI eignet sich für jeden, der Daten über seine Prozesse sammelt und tiefere Einblicke nutzen will, um die eigenen Produkte und Prozesse zu optimieren.“

Welche Chancen und Gefahren verbergen sich Ihrer Einschätzung nach hinter KI-Lösungen?

„Gefahren liegen vor allem im „Bias“, das heißt, wenn die antrainierten Daten schon in sich nicht generalisiert sind. Beispielsweise, wenn Sie Katzen und Hunde auf Bildern erkennen möchten, aber nur zehn Katzenbilder, jedoch 1000 Hundebilder zur Verfügung haben, dann ist das Datenset stark unausgeglichen. Wie beim Lernen für Prüfungen können wir das am besten, was wir am meisten gelernt haben – in dem Fall „Hunde“ und was frischer in Erinnerung ist – ebenfalls Hunde. Denn bei gleich verteiltem Training kämen 100 Hundebilder auf jedes Katzenbild. Eine solch trainierte KI wäre kaum in der Lage, Katzen richtig zu erkennen. Würden wir es allerdings erwarten, weil wir dächten, unsere Datengrundlage sei OK, wären die „Vorhersagen“, die Sie tätigen, sehr schlecht. Das bedeutet aber wiederum, dass die KI-Entwicklung im Unternehmen mit Experten des Unternehmens passieren muss, denn nur Sie kennen die Probleme genau. Das Einbeziehen externer Hilfe ist oft kostspielig und führt langfristig zu Abhängigkeiten, weshalb wir als AI-UI versuchen, den Unternehmen eine Software an die Hand zu geben, mit der Sie alles selbst entwickeln, verwalten und langfristig pflegen können. Damit ergeben sich vor allem Chancen im Bereich von Automatisierung und damit wiederum auch eine hohe Kostenersparnis.“