Wie lernen Künstliche Intelligenzen?

Informatikstudenten der FH Münster sammeln Erfahrungen zu verschiedenen Methoden in eigenen Projekten


Münster/Steinfurt (11. März 2019). Selbstfahrende Autos, Roboter und schlaue Algorithmen: Künstliche Intelligenz ist immer wieder Thema und vielfältig präsent. Aber bevor Künstliche Intelligenzen überhaupt ausgereift arbeiten können, müssen sie entworfen werden. Informatiker modellieren sie aus verschiedenen Bausteinen, die kompliziert untereinander verwoben sind – zum Beispiel ähnlich der Nervenzellen und Synapsen im menschlichen Gehirn. Und genauso braucht auch Künstliche Intelligenz Erfahrung, um dazuzulernen und Wissen zu generieren. Dafür muss sie aus bisherigen Erfahrungen Muster erkennen können. Wie lässt sich eine Künstliche Intelligenz trainieren? Das haben Informatikstudenten der FH Münster in einem Mastermodul getestet – und viele verschiedene Projekte und Ansätze gestemmt.

Die Künstliche Intelligenz von Daniel Lukats, Tobias Kappert und Kevin Küpper spielt zum Beispiel „Vier gewinnt“ und „Tic Tac Toe“. „Sehr viele Spiele bringen die KI langsam an die mathematische Lösung“, sagt Lukats. „Nach einer Million Trainingsschritten ist die KI zwar etwas schlauer, verliert aber trotzdem noch häufig.“ Eine Million Spielzüge hat die Künstliche Intelligenz jedoch nicht gegen Menschen gespielt, zumindest nicht ausschließlich. Das würde zu viel Zeit kosten, außerdem machen Menschen nach einer gewissen Spielzeit zu leicht zu viele Fehler. Aber gegen sich selbst kann die Künstliche Intelligenz auch nicht spielen, weil dabei immer das gleiche Spiel rumkommen würde. „Deshalb haben wir noch einen Spieler mit einem trainierten Netz modelliert“, erklärt Küpper. Trotzdem müsste die Gruppe noch wesentlich mehr Trainingszeit investieren, bis die Künstliche Intelligenz siegessicher wird.

Einen völlig anderen Ansatz wählten Julian Winter und Felix Weißberg. Sie wollten mit ihrer Künstlichen Intelligenz Beziehungen zwischen echten juristischen Urteilen erkennen. Als Grundlage haben sie 47.000 Urteile zusammengetragen und in ihr Programm eingespeist. „Unsere implementierten Workflows berechnen die Ähnlichkeiten der Urteile“, erklärt Winter. Sie finden zum Beispiel seltene, urteilsbezogene Wörter, die charakteristisch in den Texten auftreten. Und die Künstliche Intelligenz absolviert ihr Training über fehlende Wörter in Sätzen, muss Lücken passend füllen – um Kontext erst kennenzulernen und dann zu verstehen. Dabei mussten Weißberg und Winter ihrer Künstlichen Intelligenz allerdings erst einmal beibringen, was ein Satz ist. „Man kann sich nicht nur auf Satzzeichen verlassen, Punkte zeigen ja nicht unbedingt ein Satzende an“, erläutert Weißberg. „In den Urteilen gibt es Abkürzungen, oder Zahlen werden für die bessere Lesbarkeit mit Punkten unterteilt. Das Problem hatten wir vorher nicht auf dem Schirm.“

Einen Schritt in Richtung Autonomes Fahren machte eine Elektro-Maus, die selbstständig durch ein Labyrinth findet – ein weiteres Projekt der Studenten. Die Maus erkundet und kartographiert das unbekannte Labyrinth, berechnet den schnellsten Weg und geht diesen. Eine andere Studentengruppe lässt ein Auto im Computerspiel Trackmania selbstständig fahren, eine weitere hat sich an Aktienvorhersagen aufgrund von prägnanten Nachrichten auf Twitter versucht. „Die Projekte der Studenten zeigen, wie vielfältig Künstliche Intelligenz ist und wie breit ihre Einsatzbereiche sind – und welche Probleme in der Anwendung auftreten können“, sagt der betreuende Hochschullehrer Prof. Dr. Jürgen te Vrugt vom Fachbereich Elektrotechnik und Informatik.


Um unsere Webseite für Sie optimal zu gestalten und fortlaufend verbessern zu können, verwenden wir Cookies. Weitere Informationen und die Möglichkeit zum Widerruf finden Sie in unserer Datenschutzerklärung.
Seite drucken