Erkl?rbare und interaktive Künstliche Intelligenz

Ein System erkennt automatisiert, ob Menschen Schmerzen empfinden. Ein anderes hilft Mitarbeitenden, irrelevante Daten von der Festplatte zu l?schen. Ein drittes versteht Sprache und führt schwierige Aufgaben aus. Das sind drei Beispiele für Forschung im Bereich der erkl?rbaren Künstlichen Intelligenz – ein wichtiges Teilgebiet an der Universit?t Bamberg:

System, das automatisiert Schmerzen erkennt

Demenzkranke k?nnen sich h?ufig kaum mehr eindeutig ?u?ern. Dasselbe gilt oft auch für Patientinnen und Patienten, die unter Delir leiden oder sich im Koma befinden. Deshalb bleiben Schmerzen bei diesen Betroffenen oft unerkannt – und sie leiden im Stillen weiter. Wissenschaftlerinnen und Wissenschaftler in Bamberg haben sich auf das Thema Schmerz spezialisiert. Ihre Vision: Schmerzen erkennen, ohne die Betroffenen befragen zu müssen.

Eine Arbeitsgruppe der Universit?t Bamberg untersucht gemeinsam mit dem Fraunhofer IIS und der Universit?t Augsburg, wie Schmerzen automatisiert erkannt werden k?nnen. Die Forscherinnen und Forscher entschlüsseln dazu die menschliche Mimik. Zukünftig soll diese Aufgabe ein automatisches Schmerzerkennungssystem, ein sogenannter PainFaceReader, übernehmen. Dieser lernf?hige Computer soll Videoaufnahmen Betroffener in Krankenh?usern auswerten und deren Gesichtszüge interpretieren. So wird ein langfristiges Monitoring m?glich, das zum Beispiel der medizinischen Unterversorgung von Schmerzpatientinnen und -patienten entgegenwirken kann.

Intelligentes L?schen von überflüssigen Dateien

In Verwaltungen von Unternehmen ist es für Mitarbeiterinnen und Mitarbeiter mitunter schwierig, in der Flut von Tabellen, Pr?sentationen und Texten den ?berblick zu behalten. Au?erdem ben?tigt jede einzelne Datei Energie und Speicherplatz auf einer Festplatte – und verursacht so Kosten für das Unternehmen und belastet die Umwelt. Was aber soll gel?scht werden? Wo f?ngt man am besten an? Informatikerinnen und Informatiker der Universit?t Bamberg arbeiten derzeit an einer automatisierten L?sung: Sie entwickeln in dem interdisziplin?ren Projekt Dare2Del zusammen mit der Fachgruppe Arbeitspsychologie an der Friedrich-Alexander-Universit?t Erlangen-Nürnberg mittels maschinellem Lernen ein System, das hilft, irrelevante Daten zu l?schen.

In der ersten Projektphase von 2016 bis 2019 programmierten sie ein lernf?higes Modell, das sich den Wünschen der Nutzerinnen und Nutzer anpasst und dabei Unternehmensvorschriften und rechtliche Vorgaben beachtet. In der zweiten Phase geht es in den kommenden drei Jahren darum, die Vorschl?ge des Systems nachvollziehbar und transparent für Anwenderinnen und Anwender zu machen. So soll das Programm beispielsweise bestimmte Benennungen der Dateien hervorheben und durch einen Text erkl?ren, warum die Datei zur L?schung vorgeschlagen wird.

Assistenzroboter, die Menschen verstehen

Sprache ist das natürlichste Mittel, um Sachverhalte zu beschreiben, Aufgaben zu stellen oder Erkl?rungen zu leisten. Wenn partnerschaftliche Assistenzroboter Einzug in Fertigung und Privathaushalte halten, wie k?nnen Menschen sich mit ihnen verst?ndigen? An der Universit?t Bamberg werden dazu grundlegende Algorithmen für Sprachproduktion und Sprachverstehen erforscht.

Wie kann es natürlich erscheinen, dass die Aufforderung, einen Kaffee zu holen, zu Hause oder im Büro unmissverst?ndlich den Wunsch nach einer Tasse frisch gebrühtem Kaffee bezeichnet, beim Einkauf im Supermarkt aber bedeutet, eine Packung Kaffeebohnen in den Einkaufswagen zu legen? Die Effizienz natürlicher Sprache macht sie zu einem attraktiven Mittel der Interaktion, aber gleichzeitig ist sowohl Verstehen als auch Generieren von Sprache eines der schwierigsten Aufgaben der KI. Aktuelle Assistenzsysteme wie Alexa oder Siri sind beeindruckend, aber kratzen nur an der Oberfl?che des Problems.

Die Forschung an der Universit?t Bamberg untersucht einerseits Algorithmen, die intuitiv verst?ndliche Beschreibungen generieren k?nnen, damit smarte Umgebungen und Roboter den Aufenthaltsort eines Gegenstandes beschreiben k?nnen – etwa den eines verlegten Schlüssels. Andererseits werden Modelle für Kontexte entwickelt, die es erlauben sollen, die Frage ?Hast Du meinen Schlüssel gesehen?“ als Aufforderung zur Beschreibung des Ortes zu interpretieren und nicht mit ?ja“ zu beantworten.