Kompetenzen ausbauen: Maschinelles und Tiefes Lernen als Motor für innovative KI

idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
idw-Abo
Medienpartner:
Wissenschaftsjahr


Teilen: 
12.07.2019 13:48

Kompetenzen ausbauen: Maschinelles und Tiefes Lernen als Motor für innovative KI

Linda Treugut Geschäftsstelle
Lernende Systeme - Die Plattform für Künstliche Intelligenz

    Die größten Fortschritte im Bereich der Künstlichen Intelligenz (KI) basieren aktuell auf Methoden des Maschinellen Lernens. Um die Innovationskraft Deutschlands zu erhalten, muss die Forschung in diesem Feld ausgebaut und der Transfer in die Wirtschaft verstärkt werden, fordern die Plattform-Mitglieder Kristian Kersting und Volker Tresp. In einem Whitepaper, das sie vergangene Woche auf der Jahreskonferenz der Plattform Lernende Systeme in Berlin vorstellten, benennen sie erforderliche Kompetenzen und strukturelle Maßnahmen für erfolgreiche „KI made in Germany“.

    München, 12. Juli 2019 – Deutschland ist in vielen Forschungs- und Anwendungsfeldern der Künstlichen Intelligenz sehr stark. Die rasche technologische Entwicklung erfordere jedoch einen weiteren Ausbau der Spitzenforschung – insbesondere bei den leistungsstarken Verfahren des Maschinellen und Tiefen Lernens (Deep Learning). Das Verständnis der theoretischen Grundlagen sei hier teils noch lückenhaft, so die beiden Autoren des Whitepapers „Maschinelles und Tiefes Lernen“ der Plattform Lernende Systeme. „Unabhängig davon, ob Daten als das Öl des 21. Jahrhunderts in großen oder kleinem Umfang gesammelt werden: Ohne hochleistungsfähige Raffinerien – also Methoden wie Maschinelles oder Tiefes Lernen – bleiben sie, was sie sind: Rohöl, das keinen (Wirtschafts-)Motor antreiben kann“, sagt Kristian Kersting, Professor für Maschinelles Lernen an der TU Darmstadt und Mitglied der Arbeitsgruppe „Technologische Wegbereiter und Data Science“ der Plattform Lernende Systeme.

    Für eine zukunftsorientierte KI-Forschung müsse zudem die KI-Infrastruktur in Deutschland weiter auf- und ausgebaut werden – insbesondere durch Cluster, die Maschinelles und Tiefes Lernen mittels speziellen KI-Beschleunigern (z.B. GPU-/CPU-Cluster) unterstützen. Zugleich gelte: In Zukunft werden sich KI-Infrastrukturen voraussichtlich stark von den heutigen unterscheiden. Deutschland sollte daher nicht nur auf ausgereifte Technologien setzen, sondern gezielt auch neue Rechenplattformen erforschen. Dies könnte zu einem Wettbewerbsvorteil werden.
    Leistungsstarke KI-Methoden wachsen zusammen

    Maschinelles Lernen gilt vielen Expertinnen und Experten als der Schlüssel zur Künstlichen Intelligenz. Meilensteine der KI-Entwicklung wie das Computerprogramm AlphaGo sowie moderne Übersetzungs- und Bilderkennungssysteme gründen darauf. Der Mensch programmiert hierbei weiterhin – allerdings keine fertigen Lösungen, sondern Systeme, die anhand von bereit gestellten Trainingsdaten selbst die Lösung erlernen.

    Eine der aktuell leistungsfähigsten Ansätze des Maschinellen Lernens ist das Tiefe Lernen. Eine große Zahl an künstlichen Neuronen verarbeitet dabei in mehreren Schichten die eingegangenen Informationen und stellt am Ende ein Ergebnis bereit. „Ohne Tiefes Lernen wären die heute viel diskutierten Durchbrüche in der Künstlichen Intelligenz nicht denkbar. Wir müssen hier die Expertise in Deutschland in allen Kernthemen des tiefen Lernens stärken, aber auch Synergien explorieren, beispielsweise zu Wissensgrafen und der Kognitionsforschung “, so Volker Tresp, Professor für Maschinelles Lernen an der LMU München und Distinguished Research Scientist bei der Siemens AG und Mitglied der Arbeitsgruppe „Technologische Wegbereiter und Data Science“ der Plattform Lernende Systeme.

    Maschinelles Lernen werde auch künftig das Fundament der KI bilden, so die Autoren des Whitepapers – allerdings auch in Verbindung mit anderen leistungsstarken KI-Methoden. Neben einem fundierten KI-Fachwissen erfordere dies umfangreiche Programmierkenntnisse, Anwendungswissen sowie ein tiefes Verständnis der statistisch-probabilistischen Grundlagen – also dem Umgang mit Unsicherheiten. „Für die Ausbildung der notwendigen Multiplikatoren und den Wissenstransfer in die Praxis muss die KI-Forschung und -Lehre weiter gestärkt werden – durch unbefristete und adäquat ausgestattete Professuren, die zeitversetzt und kompetitiv besetzt werden“, fordert Kristian Kersting. Zudem nötig seien Investitionen in die Infrastruktur sowie eine stärkere Vernetzung der nationalen und EU-weiten KI-Forschung.

    Auch der erfolgreich Wissenstransfer in die Praxis erfordere eine stärkere Vernetzung sowie eine interdisziplinäre Zusammenarbeit entlang der Wertschöpfungskette. „Unternehmen müssen selbst KI-Expertise aufbauen, um neue Technologien einzusetzen und zu entwickeln – und darüber selbständig innovativ zu bleiben. „Neben der klassischen Fort- und Weiterbildung braucht es dazu unter anderem den Transfer über KI-Köpfe – also den personellen Austausch zwischen Wissenschaft und Wirtschaft“, so Volker Tresp. Neue duale Programme für Doktorandinnen und Doktoranden und insbesondere die Förderung von Gründungen und Start-ups seien hierfür vielversprechende Instrumente. Weiterhin raten die Autoren des Whitepapers, dass die geplanten KI-Kompetenzzentren und KI-Hubs neben der Grundlagenforschung auch Kooperationsprojekte und -strategien entwickeln sowie Unternehmen beraten.

    Das Whitepaper „Maschinelles und Tiefes Lernen – Der Motor für KI made in Germany“ steht zum Download bereit unter https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/AG1_Whit...

    Über die Plattform Lernende Systeme
    Die Plattform Lernende Systeme wurde 2017 vom Bundesministerium für Bildung und Forschung (BMBF) auf Anregung des Fachforums Autonome Systeme des Hightech-Forums und acatech gegründet. Sie vereint Expertinnen und Experten aus Wissenschaft, Wirtschaft, Politik und Zivilgesellschaft aus dem Bereich Künstliche Intelligenz. In Arbeitsgruppen entwickeln sie Handlungsoptionen und Empfehlungen für den verantwortlichen Einsatz von Lernenden Systemen. Ziel der Plattform ist es, als unabhängiger Makler den gesellschaftlichen Dialog zu fördern, Kooperationen in Forschung und Entwicklung anzuregen und Deutschland als führenden Technologieanbieter für Lernende Systeme zu positionieren. Die Leitung der Plattform liegt bei Bundesministerin Anja Karliczek (BMBF) und Karl-Heinz Streibich (Präsident acatech).


    Weitere Informationen:

    https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/AG1_Whit...


    Merkmale dieser Pressemitteilung:
    Journalisten
    Gesellschaft, Informationstechnik, Pädagogik / Bildung, Politik, Wirtschaft
    überregional
    Forschungsergebnisse, Wissenschaftspolitik
    Deutsch


    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).

    Cookies optimieren die Bereitstellung unserer Dienste. Durch das Weitersurfen auf idw-online.de erklären Sie sich mit der Verwendung von Cookies einverstanden. Datenschutzerklärung
    Okay