Maschinelles und menschliches Lernen funktionieren im Grunde ähnlich, sagt der Mathematik-Professor Thomas Villmann. Mit seinen Institutskollegen entwickelt er nach dem Vorbild menschlicher Nervensysteme künstliche neuronale Netze, mit denen Computer selbstständig lernen.
Künstliche Intelligenz, dieses Stichwort ist seit geraumer Zeit in aller Munde. Längst hat sie in Form von sprachgesteuerten Assistenzsystemen wie Alexa oder Siri allerorts Einzug in Wohnungen und Hosentaschen gehalten. Die Fahrzeugindustrie tüftelt weiter fleißig an selbstfahrenden Autos und auch auf vielen anderen Feldern von Wirtschaft bis Alltag spielen schlaue Maschinen eine Rolle.
Künstliche Intelligenzen noch klüger machen, das wollen der Mathematik-Professor Thomas Villmann und die Informatikerin Dr. Marika Kaden von der Hochschule Mittweida. Sie arbeiten am SICIM, dem Sächsischen Institut Computational Intelligence und Machine Learning. Dort bringen sie Computern bei, selbstständig zu lernen. Damit das gelingt, setzen Entwickler auf sogenannte künstliche neuronale Netze. "Die sind biologischen Nervenzellen und deren Vernetzung nachempfunden, so wie sie bei uns im Gehirn auftreten", erklärt Villmann. Maschinelles und menschliches Lernen funktioniere im Grunde ähnlich, so der Mathematiker. In beiden Fällen entstehe das Wissen aus Erfahrung: "Ein technisches System lernt anhand von Algorithmen aus Beispielen. Nach Beendigung der Lernphase kann es diese Beispiele verallgemeinern. So kann das Problem beim nächsten Mal besser gelöst werden."
Ein Beispiel dafür sind Diagnoseassistenzsysteme für Mediziner. Derartige Computer analysieren unter anderem Blutproben und unterbreiten Ärzten dann Diagnosevorschläge. Die Bestätigung oder Nichtbestätigung durch den Arzt verwendet das System, um seine eigene Prognosefähigkeit zu verbessern. Um das Assistenzsystem zu trainieren, kann der Arzt aber auch auf seine bereits bestehende Patientendatenbank zurückgreifen. "Darin hat er viele klinische Daten von Patienten und die dazu passenden Diagnosen", erläutert Villmann. Oftmals könnten Mediziner aber gar nicht sagen, wie genau sie zu einer Diagnose gekommen sind. "Klar gibt es gewisse harte Kriterien, aber es ist auch viel implizites Wissen dabei, das auf Erfahrung basiert." Genau dieses implizite Wissen sei es, das künstliche neuronale Netze aus den Patientendaten und Diagnosen ableiten können.
Anwendungen für solche Netze, die im Grunde aus der Verknüpfung diverser mathematischer Formeln bestehen, gibt es nicht nur in der Medizin, sondern beispielsweise auch in der Landwirtschaft oder im Fahrzeugbau. Um für diese Bereiche praxistaugliche Modelle zu entwickeln, hat Anfang Januar eine Gruppe junger Wissenschaftler - ein Bioinformatiker, eine Molekularbiologin, ein Computerwissenschaftler und ein Elektrotechniker - am SICIM ihre Arbeit aufgenommen. "Malekita" heißt die Gruppe, das steht für "Maschinelles Lernen und Künstliche Intelligenz in Theorie und Anwendung". Die jungen Forscher stammen aus Deutschland und Polen. Über drei Jahre erhält das Team, das von Marika Kaden angeleitet wird, Fördergelder in Höhe von mehr als 795.000 Euro aus dem Europäischen Sozialfonds (ESF) und vom Freistaat.
Dass die fünf jungen Wissenschaftler aus so unterschiedlichen Fachgebieten kommen, hat einen guten Grund, sagt Thomas Villmann: "Die zugrunde liegende Mathematik und die Informatik sind beim maschinellen Lernen universell. Aber es kommt darauf an, das mit realen Daten zu verknüpfen. Dafür brauchen wir zum Beispiel eine Biologin, die Ahnung von ihren Daten hat und uns sagen kann, ob das, was die Künstliche Intelligenz gelernt hat, überhaupt sinnvoll ist."
Die Hochschule Mittweida gehört mit dem SICIM-Institut nach eigenen Angaben zu den Vorreitern der Erforschung von Künstlicher Intelligenz im Freistaat. "Sachsenweit sind wir die einzige Hochschule, die auf diesem Gebiet Theorieforschung betreibt, also eigene Modelle entwickelt", sagt Villmann, der als Direktor des Instituts fungiert. Bei der Anwendung dieser Modelle arbeite das SICIM mit namhaften Partnern wie Porsche, Siemens, dem Fraunhofer-Institut für Fabrikbetrieb und -automatisierung (IFF) in Magdeburg, dem Chemnitzer Institut für Mechatronik oder der Fusion-Systems GmbH in Chemnitz zusammen. Von ihnen erhalten die Mittweidaer Wissenschaftler beispielsweise Datensätze, aber auch Problemstellungen. "Wir können uns hier ja viele Modelle ausdenken, aber wichtig ist auch: Was wird gebraucht? Welche kritischen Punkte gibt es in der Anwendung?", erläutert Marika Kaden.
Unter diesem Link sind alle bereits erschienenen Beiträge der Serie nachzulesen: www.freiepresse.de/forscher
An alle Adblocker
Die Diskussion wurde geschlossen.