Nachbericht AWS AI Summit

Daran forscht die Weltspitze der Künstlichen Intelligenz

| Autor / Redakteur: Ariane Rüdiger / Nico Litzel

Alexander Bayen erklärt das Mini-Testbed, das zusammen mit der Universität von Delaware aufgebaut wurde, um zu lernen, wie man im großen Maßstab den Stadtverkehr simulieren und später steuern kann.
Alexander Bayen erklärt das Mini-Testbed, das zusammen mit der Universität von Delaware aufgebaut wurde, um zu lernen, wie man im großen Maßstab den Stadtverkehr simulieren und später steuern kann. (Bild: Rüdiger)

Künstliche Intelligenz (KI) und maschinelles Lernen entwickeln sich rasant weiter. An Universitäten und anderen Instituten werden fortwährend neue Algorithmen entwickelt. Einen Einblick in die vorderste Linie der KI-Forschung eröffnete der auf der AWS-Tagung re:Invent stattfindende AI Summit.

Sehr viele Probleme, so lautet eine derzeit populäre These, ließen sich besser lösen, wenn man nur ausreichend viele Daten rund um die Ausgangsfrage ausreichend intelligent und tief gehend analysieren könnte. Das Mittel der Wahl hierfür sind leistungsstarke Rechner und neue Algorithmen.

Neue Algorithmen kommen derzeit fortwährend auf den Markt, viele von ihnen werden an den IT- und ingenieurwissenschaftlichen Fakultäten der Unis entwickelt und dann breiten Kreisen zugänglich gemacht, um beispielsweise Aufgaben aus Wirtschaft, Medizin oder anderen Themenfeldern zu lösen. Deshalb ist es interessant zu sehen, woran die Wissenschaftler aktuell arbeiten. Denn schon in wenigen Jahren könnten ähnliche Ansätze bestimmen, wie der Verkehr geregelt, Krankheiten diagnostiziert oder knifflige Optimierungsprobleme gelöst werden. Der auf der AWS re:Invent durchgeführte KI-Gipfel versammelte eine Reihe von Spitzenforschern auf diesem Gebiet, die Einblick in ihre aktuellen Forschungen gaben.

AWS bringt einsatzfertige analytische Applikationsdienste

Künstliche Intelligenz und Machine Learning

AWS bringt einsatzfertige analytische Applikationsdienste

03.12.18 - Auf der AWS re:invent gehörten Machine Learning und Künstliche Intelligenz (KI) zu den wichtigsten Themen. Der Public-Cloud-Provider tut einiges dafür, seinen Kunden den Einsatz von KI-Algorithmen einfacher zu machen. lesen

Ein Beispiel für die rasante Entwicklung ist Alexa. Die KI-Software, die im Amazon-Echo-System steckt, hatte 2014 noch 13 Skills. „Heute sind es über 50.000“, berichtete Rohit Prasad, Vice President und Chefforscher Alexa AI. Das System könne dank mehr angeschlossener Wissensquellen heute ein Drittel mehr Fragen richtig beantworten und beispielsweise seine Sprechlautstärke an die Umgebung anpassen, sprich: Wenn das „Frauchen“ von Alexa eine Frage oder einen Befehl flüstert, flüstert Alexa zurück. Zudem reagiert es weit sensibler als früher auf den Kontext, in dem Fragen oder Befehle geäußert werden, ein Ergebnis verbesserter Sprachanalyse, so Prasad.

Optimierung von Verkehrsströmen

Mit der Optimierung großer Verkehrsströme, beispielsweise in einer Smart City, beschäftigt sich Alexandre Bayen, der in Berkeley forscht. Denn autonomes Fahren allein muss nicht energieeffizienter sein, die Auswirkungen auf den Energieverbrauch bewegen sich je nach Szenario bei minus 60 bis plus 200 Prozent. Bayen forscht daran, wie ersteres durch einen sinnvollen Umgang mit dem Verkehrsaufkommen und besseres individuelles Fahrverhalten zu erreichen ist. Bayens Ansatz bezieht die Mikrosimulation, Verstärker-Algorithmen und Transferlernen ein. Mikrosimulation bedeutet, dass nur sehr wenige Fahrzeuge und Fahrsituationen, beispielsweise eine Kreuzung oder eine Einmündung im Kreisverkehr, simuliert werden. Verstärker-Algorithmen (Reinforcement Learning) nutzen eine Verstärker (Reinforcement)-Funktion, die lediglich ein Ziel definiert, auf das sich ein System in vielen Simulationsläufen, deren Ergebnisse zurückgespielt werden, selbst in Richtung auf das Ziel optimiert. Ein Modell und dessen Training wird dafür nicht benötigt. Transferlernen bedeutet, dass sich Gelerntes selbsttätig auf ähnliche Situationen, gegebenenfalls auch aus anderen Domänen mit vergleichbaren Mechanismen, übertragen lässt. Besonders geeignet ist das Verfahren dort, wo es schwer ist, genug und genaue Datenmengen für Trainingsläufe zu gewinnen. Langfristig soll es mithilfe solcher Verfahren ausreichen, wenn jedes Element im System nur seine unmittelbare Umgebung auswertet – ein Auto beispielsweise mittels einer Dashcam den umliegenden Straßenraum – damit sich das Systemverhalten insgesamt optimiert. Ein weiteres erstaunliches Ergebnis: Um den Verkehrsfluss zu optimieren, sollten rund zehn Prozent autonome Fahrzeuge ausreichen.

Wo stehen Quantenalgorithmen?

Wo es keine eindeutige Lösung gibt, sondern nur Wahrscheinlichkeiten, liegt die Domäne von Quantenalgorithmen. An diesem forscht Peter Wittek von der Universität Toronto. Denn Quantencomputer produzieren sozusagen von Natur aus Wahrscheinlichkeiten und können Wahrscheinlichkeitsverteilungen in andere transformieren. Zudem simulieren sie nicht einzelne Komponenten von Systemen, sondern alle gleichzeitig, womit digitale Algorithmen, die deterministisch arbeiten, überfordert sind. Das liegt an Quanteneffekten wie Verschränkung (wenn Element A beeinflusst wird, verhält sich auch das verschränkte Element B entsprechend, selbst wenn es mit A nicht direkt verbunden ist).

Derzeit, so Wittek, befinde sich die Umsetzung solcher Konzepte noch in den Anfängen, doch immerhin gibt es weltweit drei Systeme, wo Forscher über offene Schnittstellen auf sogenannte Quanten-Annealer zugreifen und versuchen können, Quanten-Software zu schreiben. Dafür wird gern Python verwendet. Derzeit kann man mit solchen Systemen gerade einmal 2.000 Qbits realisieren, was nicht viel ist. Zehn bis zwanzig Jahre werde es noch dauern, bis leistungsfähige Systeme verfügbar sind, schätzt Wittek. Technologisch gibt es derzeit drei Konzepte, um echte Quantencomputer zu bauen: Architekturen mit Supraleitung, was das Kühlen auf Temperaturen nahe dem absoluten Nullpunkt bedeutet und damit einen sehr hohen Energieverbrauch, photonische Systeme oder Lösungen, bei denen mit Laserstrahlen eingefangene Atome interagieren. Die beiden letzten Varianten sind noch im Versuchsstadium.

In Toronto, wo Referent Peter Wittek forscht, wurde trotzdem bereits der Inkubator Creative Destruction Lab errichtet. Dort arbeiten 20 Firmen an Problemen des Quantenlernens, beispielsweise der Wirkstoffforschung für die Pharmaindustrie. „Das Ziel ist hier, dass man zunächst mittels Quantenalgorithmen optimale chemische Strukturen für einen bestimmten medizinischen Zweck findet und erst dann die gesuchten Stoffe synthetisiert statt umgekehrt“, erklärt Wittek. Auch bei der Optimierung von Finanzportfolios können Quantenalgorithmen helfen.

So können sich Unternehmen jetzt schon auf Quantencomputing vorbereiten

Kommentar von Dr. Sebastian Feld, Ludwig-Maximilians-Universität

So können sich Unternehmen jetzt schon auf Quantencomputing vorbereiten

13.11.18 - Seit einiger Zeit liefern sich Akteure aus Forschung und Wirtschaft einen Wettlauf um die Quantentechnologie, an dessen Ende die Revolution der Informationstechnik stehen soll. An den Forschungsprojekten sind oft große Konzerne oder ganze Staatengemeinschaften beteiligt, wie etwa die EU mit ihrem kürzlich gestarteten „OpenSuperQ“. Doch was erhofft man sich vom Quantencomputing und wie können sich der Mittelstand und KMUs auf die neue Technologie vorbereiten? lesen

Maschinelles Lernen für die Krebsforschung

Mona Singh beschreibt auf dem AI Summit ihre Forschungsarbeit über die Rolle von Mutationen, die die Interaktion zwischen Zellen und Zellketten beeinflussen.
Mona Singh beschreibt auf dem AI Summit ihre Forschungsarbeit über die Rolle von Mutationen, die die Interaktion zwischen Zellen und Zellketten beeinflussen. (Bild: Rüdiger)

Mona Singh und ihre Forschungsteam an der Princeton-Universität will herausfinden, welche der vielen Mutationen in Genomen für den Ausbruch einer Krebserkrankung verantwortlich sind und wie effektiv eine bestimmte Medikation wirken kann. Die Hypothese der Wissenschaftlerin: Mutationen unterbrechen Interaktionsketten und Netzwerke, zu denen die betreffende Zelle gehört, was letztlich den Krebs auslöst. Interessant für Singh sind deshalb vor allem Gene, die für Interaktionen verantwortlich sind – eine vierstellige Anzahl, was ein äußerst komplexes Modell bedeutet hätte. Wirkstoffe wirken zudem unterschiedlich, je nachdem, welche Mutationen die Zellen betroffener Patienten aufweisen.

Um die tatsächlich wichtigen Gene zu finden, verwendet Singh ein Feature-reduzierendes Modell, einen sogenannten Auto-Encoder. Auto-Encoder filtern die wichtigen aus vielen Faktoren heraus, in diesem Fall ein Fünfzigstel der Merkmale. An diesem einfachen Modell lässt sich nun besser simulieren, wie eine bestimmte Droge auf einen bestimmten Zelltyp mit konkreten Eigenschaften wirkt. Die gewonnenen Daten wurden einem Validierungsverfahren, der Kreuzvalidierung, unterworfen, und erwiesen sich als zutreffend. Zudem zeigte sich, dass es möglich ist, das Modell auch für andere Tumortypen und Wirkstoffe zu verwenden. „In Zukunft lassen sich wahrscheinlich mit solchen Verfahren maßgeschneiderte Medikamente für bestimmte Patientengruppen entwickeln“, erklärte Singh.

Mikrodrohne oder Biene?

Dass KI auch ganz praktisch-handwerklich daherkommen kann, zeigt ein Projekt, über das Ronald Fedkiw von der Stanford-Universität berichtete. Um die Landwirtschaft mithilfe von KI zu optimieren, sind Unmengen aktueller Daten zu der jeweiligen Fläche, dazu Wetterdaten und andere Informationen, notwendig. Eine angedachte Methode, diese Daten zu sammeln, sind zahlreiche mit Sensoren ausgestattete insektengroße Mikrodrohnen, die die Fläche regelmäßig überfliegen, dabei Daten sammeln und diese an eine zentrale Instanz übergeben. „Man kann aber wegen der physikalischen Gesetze nicht einfach das Design normaler Drohnen kopieren, sondern braucht etwas anderes“, erklärte Fedkiw. Sein Team arbeitet mit zwei unterschiedlichen Herangehensweisen: mit mechanischen und bio-physikalischen Systemen, letzteres in diesem Fall Bienen, die mit entsprechendem Equipment ausgerüstet sind und deren Korb in der Nähe der zu erfassenden Fläche steht.

Das mechanische Modell nutzt statt Propeller Aktuatoren, die Flügelbewegungen imitieren und 200 Volt Spannung brauchen. Deshalb baute die Gruppe einen 50 mg wiegenden Boost-Konverter mit dieser Spannung und versorgte ihn mit einer Solarzelle. Zudem wurde ein geeigneter Algorithmus für den Mikrocontroller zur Steuerung der Roboterfliege entwickelt. Sie soll sich in den nächsten Monaten in die Lüfte erheben. Allerdings ist dieses System noch immer relativ energieintensiv und noch nicht mit Sensoren ausgerüstet, die ja ebenfalls etwas wiegen.

Daher kamen die Wissenschaftler auf die Idee, lebende Bienen mit Sensoren, Energieversorgung, Controller und Sender auszurüsten. Es gelang, ein nur 30 Milligramm wiegendes Mikrosystem mit allen Komponenten zu entwickeln und dieses den Bienen anzukleben. Die Datengewinnung erfolgt durch die Sensoren im Flug. Die jeweilige Position des Insekts (Länge/Breite) wird mithilfe der WLAN-Signalamplitude und der Triangulierung des Signals anhand der beiden Antennen des WLAN-Empfängers vorgenommen. Bisher funktioniert auch die biologische Seite: Es zeigte sich, so Fedkiw, dass die mit dem System ausgerüsteten Bienen im Korb nicht das Missfallen anderer Bienen erregten. Die Auswirkungen der Ausrüstung auf die Fähigkeit der Bienen, Honig zu sammeln respektive Pflanzen zu bestäuben, wird demnächst untersucht.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 45643425 / Künstliche Intelligenz)