Month: October 2016

Künstliche Intelligenz in den USA! Das Strategie-Papier dazu

Im Mai 2016 haben sich in den U.S.A. verschiedene KI-Spezialisten zusammengesetzt und versucht, ein Strategiepapier für die Zukunft mit der KI zu entwickeln. Das Papier wurde nun im Oktober vorgestellt. Es enthält neben einführenden Worten zum Thema Künstliche Intelligenz auch ein paar begriffliche Definitionen (darunter Autonomy, Automation, etc.).




Das Strategiepapier gibt Handlungsempfehlung für den Präsidenten der Vereinigten Staaten. Wer die ca. 50 Seiten des Reports nicht lesen will, bekommt hier die wichtigsten Handlungsempfehlungen zusammengefasst:

  • Datensätze der staatlichen Institutionen offenlegen, um die KI-Forschung in diesen Bereichen zu beschleunigen.
  • Institutionen und staatliche Agenturen sollten Standards festlegen, auf denen sie Informationen austauschen, gewinnen oder vorhersagen können.
  • Jedes Ministerium sollte Stellen für Machine Learning Engineers schaffen, damit spezifische Daten schnell ausgewertet werden können.

    Executive Office of the President of the United States, Quelle: Report

    Executive Office of the President of the United States, Quelle: Report

  • Das Ministerium für Verkehr soll eng mit der Wirtschaft an der Erarbeitung von Richtlinien und Gesetzen arbeiten. Dabei geht es vor allem um den Einsatz von Drohnen (UAS, unmanned aircraft systems) und autonomen Fahrzeugen (UV, automated vehicles).
  • Das Ministerium für Verkehr sollte ein skalierbares System entwickeln, dass den Luftraum der Zukunft besser überwachen kann – insbesondere individueller Personenverkehr in der Luft sowie Drohnen.
  • Die Wirtschaft soll die Ministerien zeitiger über mögliche Entwicklungen informieren, damit zeitnah Regeln und Gesetze angepasst werden können.
  • Schüler sollen in den Schulen mehr über das Thema Ethik bzgl. Künstlicher Intelligenz lernen. Die Kinder sollen KI-affineren Unterricht bekommen und somit für den bewussten Umgang ausgebildet werden.
  • Der Präsident sollte Richtlinien aufstellen, die klären, wie die Verantwortlichkeiten bei automatischen und semi-automatischen Waffensystemen aussehen.
  • Welche Jobs und Arbeitsplätze potentiell gefährdet sind, wurde nicht untersucht, sollten aber in einem zweiten Report geklärt werden.

Der Report kann als als eine grobe Übersicht gesehen werden, die der Regierung helfen soll, sich initial mit dem Thema zu befassen. Aus dem Report geht auch hervor, dass weitere Untersuchungen notwendig sind. Während in den U.S.A. der KI-Ansatz eher einheitlich verstanden wird, beschränkt sich Deutschland dort meist auf die KI in der Wirtschaft.

Die Moral des Autonomen Fahrens

Die drei MIT-Forscher Iyad Rahwan, Jean-Francois Bonnefon und Azim Shariff haben ein Online-Experiment gestartet, dass sich mit den Konsequenzen des autonomen Fahrens beschäftigt. In ihrem Experiment entwerfen sie ein Szenario, in dem die Bremsen des Autos versagen.

Moral Machine. Quelle: moralmachine.mit.edu

Moral Machine. Quelle: moralmachine.mit.edu

Die User können dabei immer aus zwei Szenarien wählen. Welches Übel wählen sie dabei? Ist ihnen das Leben der Insassen oder das Leben der Fußgänger mehr Wert? Wie verhält es sich, wenn die Fußgänger jünger bzw. älter sind?

Diese und weitere Fragen werden in diesem Experiment beantwortet. Am Ende des Experiments kann man seine eigenen Ergebnisse mit den Ergebnissen der bisherigen User (im Mittel) vergleichen.

Hier gehts zur Moral Machine.




[Video] Künstliche Intelligenz, Startups und Innovationen in der Zukunft

Am 5. Oktober 2016 fand ein Kongress des IMF (International Monetary Fund) in den USA statt. Dabei waren Christine Lagarde (Managing Director, IMF),  John Chambers (Chairman of the Board, Cisco Systems), Leila Janah (Founder and CEO, Sama and Laxmi), Hilda Moraa (Founder, Weza Tele and Fintech) und auch Ray Kurzweil. Ray ist bekannt als Futurist und Erfinder, der die Thematik der Singularity unter die Menschen bringen will. Spannende Themen bezüglich Zukunft, Armut, Joblosigkeit, Startups und Innovationen werden angeschnitten. Weniger Künstliche Intelligenz – dafür ein spannender Einblick in die Zukunft.




[Video] Können wir Roboter bestrafen?

Wer trägt die Verantwortung, wenn der moderne Kühlschrank 1000 statt einer Milch bestellt? Wer haftet, wenn der Roboter etwas falsch macht? Und… sind Roboter fähig, Verbrechen zu begehen oder werden sie dazu nur verführt. Darüber redet Thomas Klindt in diesem Video. Viel Spaß!





[Video] Industrie 4.0 – Die digitale Revolution

Eines der spannendsten Themen unserer Zeit ist die Transformation zur Industrie 4.0. Intelligente Maschinen die eine ganze Produktionsfirma menschenfrei machen, dass ist das Bild des Mainstreams zu dieser Thematik. Es wird von einer Revolution von oben gesprochen. Ob das wirklich so ist und was sich noch damit revolutionieren lässt, darum geht es in dieser Dokumentation von ARTE.




#science – Aktuelle Wissenschaft im Bereich der Künstlichen Intelligenz

In dieser Rubrik möchte ich in unregelmäßigen Abständen aktuelle Publikationen im Bereich Künstliche Ingelligenz kommentieren. Auch aus angrenzenden Bereichen und fachübergreifenden Forschungsfeldern werden aktuelle Papers vorgestellt.

 

Practical Learning of Deep Gaussian Processes via Random Fourier Features

Cutajar et al. haben in ihrer Publikation versucht, Deep Gaussian Processes mit Random Fourier Features zu verheiraten und zeigen, dass sie damit praktische Klassifikations- und Regressionsaufgaben effizienter lösen können, als einige getestete Methoden, die dem Stand der Technik entsprechen.

 

Semi-Supervised Active Learning for Support Vector Machines: A Novel Approach that Exploits Structure Information in Data

Reitmaier et al. versuchen den Prozess des Active Learning (auch Optimal Experimental Design) anhand eines Weighted Mahalanobis Kernels zu verbessern. Im Active Learning geht es darum, die notwendigen Datenquellen nach Informationen abzufragen, um eine Machine-Learning-Aufgabe zu lösen (semi-supervised). Für ihre Experimente nutzten sie die Daten-Sets MNIST und einige weitere Datenbanken.

 

Accelerate Monte Carlo Simulations with Restricted Boltzmann Machines

Die Monte-Carlo-Simulation ist weitverbreitet und sehr bekannt. Li Huang und Lei Wang haben in ihrer Publikation einen Weg gefunden, diese Art von Simulation mittels einer Boltzmann-Maschine zu beschleunigen. In ihren Experimenten konnten die Forscher zeigen, dass ihr Ansatz um mehrere Faktoren schneller ist als der State-of-the-Art.



[Wissen] Gaming AI – Schach und Go

Im Scishow-Channel gibt es einen Einstieg in die Welt der Gaming-AIs. Hauptsächlich dreht es sich dabei um die Unterschiede der AIs, die gebaut wurden, um Brettspiele zu spielen. Diese Unterschieden sich nämlich sehr von einander. Denn der Ansatz, der benötigt wurde, um Kasparov mit DeepBlue zu schlagen, konnte nicht direkt für Go benutzt werden. Das Programm AlphaGo benötigte viel mehr Kreativität und tiefes Verständnis, während DeepBlue (der Computer der Kasparov im Schach schlug) durch Hardware und ein Regelset solange aufgestockt wurde, bis es gelang.