Trotz gigantischer Datenmengen kann KI per se nicht optimal auf die chaotische und unstrukturierte Natur der echten Welt reagieren. Maria Kalweit hat einen Weg gefunden, damit sie sich besser anpassen lässt.
Künstliche Intelligenz ist dem Menschen in manchen Bereichen weit überlegen. In Sekundenschnelle kann sie gigantische Datenmengen analysieren. Aber wenn auf der Straße von links ein Moped kommt und rechts ein Taxi hält, ist der Mensch klar im Vorteil, weil er dynamische Situationen intuitiv erfassen kann. „Man kann der KI vieles beibringen“, sagt Maria Kalweit, „aber manches lässt sich einfach nicht im Vorhinein modellieren.“ Ein Problem, das sie zu ihrer Dissertation führte: „Deep Representations of Sets“.
Die Informatikerin wollte wissen, wie KI-Modelle auf variable Bedingungen optimal reagieren können – und dabei möglichst effizient bleiben. Sie konzentrierte sich auf „Deep Learning“. Das ermöglicht, auch aus komplexen Daten automatisch wichtige Merkmale herauszufiltern und in komplexen Abstraktionsebenen darzustellen. Letztlich hat Maria Kalweit eine Methode entwickelt, mit der sich KI-Systeme an die Variabilität echtweltlicher Aufgaben anpassen können, die sich im Alltag stellen – ob in der Medizin oder im Auto.
Epilepsie:
Schrittmacher im Gehirn
Maria Kalweit hat die KI-Software für einen winzigen Mikrocontroller entwickelt, der die Lebensqualität von Patienten deutlich verbessern soll.
Schlank und stromsparend – ein Chip könnte Epilepsie-Patienten das Leben erleichtern
Für Epilepsie-Patienten wäre es ein enormer Gewinn. Ein implantierter Schrittmacher im Gehirn könnte nahende Anfälle erkennen und abwenden. „Der Chip muss aber effizient sein, schließlich kann man nicht ständig die Batterie wechseln“, sagt Maria Kalweit. Sie hat mit Medizinern und Mikrosystemtechnikern einen Mikrocontroller entwickelt, der dank ihrer Forschung kleiner als ein Fingernagel sein könnte, weil er mit wenigen Parametern optimal arbeiten kann und deshalb kaum Energie verbraucht und äußerst wenig Wärme produziert. Sollte ein solcher Chip eines Tages auf den Markt kommen, würde das die Lebensqualität der Patienten deutlich verbessern, ist sich Maria Kalweit sicher.
Das Verkehrschaos meistern – künstliche Intelligenz muss beim autonomen Fahren dynamisch reagieren können
„Man kann der KI beibringen, wie sie reagieren soll, wenn ein Kind auf die Straße rennt“, sagt Maria Kalweit, „aber was ist, wenn es plötzlich drei Kinder sind? Oder vier?“ Ihre Antwort: Die KI muss hier adaptiv sein, sich also an die sich ständig verändernde Umgebung anpassen können – auch im Straßenverkehr. Maria Kalweit hat einen dynamischen Algorithmus entwickelt, damit die KI die richtige Entscheidung treffen kann, einerlei, ob ein Fahrzeug von drei oder hundert Autos umgeben ist. Die Ergebnisse, die sie in einem Projekt mit BMW miterarbeitet hat, sind bereits patentiert worden. DeepSet-Q Learning ist eine innovative Methode, um beim autonomen Fahren auf verschiedenste Situationen optimal reagieren zu können. Die Forschungen von Maria Kalweit könnten also auch in der Praxis zum Einsatz kommen.
