Die neue Methode der Künstliche Intelligenz könnte unter anderem im Nutztiermanagement zum Einsatz kommen.

Bild: iStock; franckreporter

KI-Einsatz in der Landwirtschaft Künstliche Intelligenz auf dem nächsten Level

26.01.2022

Im Rahmen eines Forschungsprojekts hat Prof. Dr. Martin Stetter von der Fakultät Bioingenieurwissenschaften der Hochschule Weihenstephan-Triersdorf zusammen mit seinem Kooperationspartner Prof. Dr. Elmar W. Lang von der Uni Regensburg einen intelligenten Agenten entwickelt, der grundlegend anders als Deep Learning-Verfahren lernt und sich dabei am Beispiel des Menschen orientiert.

Die derzeit vorherrschende Art Künstlicher Intelligenz, das „Deep Learning“, ist fähig, äußerst komplexe Probleme unserer Welt in eindrucksvoller Weise zu lösen. Jedoch benötigen Deep Learning-Verfahren in der Regel eine hohe Anzahl von Beispielen zusammen mit einer bereits von einem Lehrer vorgegebenen Lösung, um diese Fähigkeiten zu erlernen.

Ändern sich die Anforderungen geringfügig, bricht die Performance dieser Systeme oft zusammen. Darüber hinaus ist es meistens kaum ersichtlich, in welcher Weise Deep Learning-Agenten zu ihrem Lösungsansatz gelangen – ihre Lösung ist für den Menschen meist nicht nachvollziehbar.

KI lernt spielerisch Aufgaben zu lösen

Der nun entwickelte Agent wirkt ähnlich einem spielenden Kind zunächst in unterschiedlicher Weise auf seine Umgebung ein und ermittelt aus deren Reaktionen ein intuitives Verständnis, welche Effekte seine Aktionen in unterschiedlichen Situationen typischerweise haben: eine „Repräsentation“ von unterschiedlichsten Ursache-Wirkungs-Beziehungen, die in Fachkreisen auch als „intuitive Physik" bezeichnet wird. Einmal gewonnen, befähigt diese „Intuition“ den Agenten, seine Aktionen für unterschiedlichste Aufgaben vorab zu planen und neue Probleme nach Vorgabe nur eines einzigen Beispiels erfolgreich zu lösen.

Noch ist der Agent ein klein dimensionierter Prototyp, der bislang nur in einer eng begrenzten Umgebung getestet wurde: Die Problemklasse begrenzt sich auf Aktionen, die man mit einem aufrecht beweglich montierten Stab ausführen kann – diesen etwa balancieren, weich an eine Wand lehnen, möglichst hart gegen die Wand schlagen, schwingen lassen et cetera.

Doch allein dabei hat sich schon gezeigt, dass der neuartige Agent ein bestimmtes vorgegebenes Problem ähnlich gut wie existierende Verfahren löst, dabei jedoch um ein Vielfaches flexibler auf neue Situationen reagiert und außerdem stets ermöglicht, den gefundenen Lösungsweg auch nachzuvollziehen.

Auch bei grünen Themen könnten flexible, kausal agierende Künstliche Intelligenzen eine zunehmend wichtige Rolle spielen, etwa im Nutztiermanagement oder in der Steuerung autonomer Nutzfahrzeuge.

Bildergalerie

  • Architektur des Softwareagenten: Ein zentrales Modul repräsentiert Sensorsignale und Aktionen (Kreise) sowie Vorhersagen (braune Pfeile). Durch an sensorische Zustände angepasste Aktionen interagiert der Agent zielgerichtet mit der Umwelt (blaue Pfeile).

    Bild: Stetter/Lang

Verwandte Artikel