Themenwoche: Industrial Transfer Learning
Hinter ITL steckt die Vision, neuronale Netze bzw. eine Künstliche Intelligenz so lernfähig zu machen, dass sie wie der Mensch in der Lage ist, ihr bisheriges Wissen für neue Lernaufgaben zu transferieren und zu extrahieren. Zum Vergleich: Fahrschüler kennen den Straßenverkehr, obwohl Autofahren völlig neu für sie ist. Sie greifen auf ein Basiswissen zurück, dass sie sich als Fußgänger oder Radfahrer angeeignet haben, und dieses Wissen transferieren sie auf neue Situationen. „Der Mensch lernt kontinuierlich dazu, er baut auf bereits Erlerntes auf. Genau diese beiden Aspekte sind große Herausforderungen in der KI-Forschung, da wollen wir die KI hinbringen“, sagt ITL-Forschungsgruppenleiter Hasan Tercan.
Wie kann man Methoden der Künstlichen Intelligenz in Bereichen mit nur sehr wenigen Daten einsetzen? Diese spannende Frage umtreibt ihn und sein Team. Wie das genau geht und wozu sie forschen, was Industrial Transfer Learning ist, stellen wir Euch ab Montag in unserem Schwerpunktthema vor: Eine Woche lang, jeden Tag mit einem anderen Aspekt, mitten aus dem Hochschul- und Homeofficealltag. Die Vier forschen an unterschiedlichen Fragestellungen rund um angewandte KI, so z.B. an Methoden des Reinforcement Learning zum Planen, Realisieren & in Betrieb nehmen von bedienbaren Roboterlinien oder an Deep Learning-basierten Empfehlungssystemen für Online Shops. Darüber hinaus recherchieren und schreiben sie an wissenschaftlichen Publikationen und ihren Dissertationen.
Dazu gehören Robert Maack, der sich im Rahmen eines Promotionsstipendiums durch große Datenmengen aus der Produktion beißt, die wichtigen von den unwichtigen Daten zu trennen versucht und Fehler aufspürt. Christian Bitter untersucht die Anwendung von Reinforcement Learning für Robotische Systeme und hat u.a. das Softwaretool Karolos entwickelt. Jannick Peters forscht an Multiagentensystemen und brennt für „Emerging Communication Technologies.“ Hasan Tercan setzt sich u.a. mit Deep Learning-basierten Empfehlungssystemen auseinander und sucht die „schlummernde Präferenz“ von Nutzern in Online-Shops. „Wir wissen, was die Nutzer im Moment interessiert. Der Knackpunkt ist aufgrund historischer Daten abzuschätzen, worauf sie in Zukunft Lust haben könnten.“
Neben den Grundlagen der Künstlichen Intelligenz brennen die Vier für angewandte KI und wir begleiten sie beim Aufbau eines Roboterlabors. Die vier Wissenschaftler kommen in kurzen Videostories zu Wort, die wir Euch in den nächsten Wochen zeigen. Den Anfang macht Christian Bitter. Er erzählt uns, wie er zu Reinforcement Learning und Robotik forscht. Im Laufe der nächsten Wochen stellen wir Euch dann das gesamte Team vor.
