Vom inkrementellen Lernen zur interaktiven Intelligenz

Lecture
Datum: 
05. Juli 2017
Beginn: 
15:15
Raum: 
CITEC, 1.204

Die Entwicklung künstlicher Intelligenz erlebt aktuell ein außerordentlich großes öffentliches Interesse und hat sich von einer wissenschaftlichen Forschungsfrage zu einem Thema gesellschaftlicher Dimension gewandelt. Ich möchte mich in dieser Vorlesung der Bedeutung des Begriffs Intelligenz als Prozess des Verstehens zunächst annähern anhand von Stationen meiner wissenschaftlichen Biografie. Das außergewöhnliche akademische Umfeld der Universität Bielefeld erlaubte mir in meiner Zeit am Graduiertenkolleg Strukturbildungsprozesse faszinierende Bezüge herzustellen von der Dynamik physikalischer Systeme hin zu der Modellierung von Gestaltwahrnehmungsprozessen. Meine weitere wissenschaftliche Arbeit am Honda Research Institute Europe (HRI-EU) in Offenbach war zunächst geprägt von der Entwicklung biologisch motivierter Konzepte der visuellen Informationsverarbeitung im Gehirn und ihrer Anwendung für intelligente Roboter wie zum Beispiel Hondas Asimo. Die darauf folgende gemeinsame Gründung des CoR-Labs und der zugehörigen Graduiertenschule durch die Uni Bielefeld und HRI-EU war ein weiterer wichtiger Meilenstein der Forschung zu intelligenten Systemen in der Robotik über dessen Ergebnisse ich kurz berichten will. Für den Aufbau von intelligenten Systemen haben sich in den letzten Jahren datengetriebene maschinelle Lernverfahren als sehr leistungsfähig herausgestellt und sich von einem Nischenthema zu einer Standardtechnologie entwickelt. Ein Großteil der Forschung im Maschinellen Lernen beschäftigt sich hierbei mit Lernen in großen Datenmengen und stationären Verteilungen. Genauso wichtig ist es jedoch auch, das Lernen als inkrementellen Prozess zu verstehen und Methoden zu entwickeln, die es erlauben den inkrementellen und interaktiven Wissenserwerb zu modellieren, der für die menschliche Intelligenz selbstverständlich ist. Der zweite Teil meiner Vorlesung wird sich daher mit neuen Methoden des inkrementellen Lernens beschäftigen und Anwendungen aus den Bereichen Lernende Roboter und Personalisierung für Fahrerassistenzsysteme vorstellen. Abschließend möchte ich dann die besondere Rolle von Lernen und Adaptivität darstellen bei dem Übergang von einfachen assistiven Systemen zu kooperativen Partnern.