Motivation
Teil der alltäglichen Planung in vielen Branchen ist es, Einzelschritte zu komplexen Prozessen zusammenzusetzen, um ein Ziel zu erreichen. Dieses Zusammensetzen ist ein Teil des Forschungsgebiets der symbolischen Künstlichen Intelligenz. Verfahren aus diesem Bereich eignen sich besonders für Szenarien, in denen viel formalisiertes, das heißt explizites und maschinenverständliches Wissen vorliegt. Szenarien in der Praxis sind jedoch häufig zweideutig, unvollständig beschrieben und erfordern implizites Hintergrundwissen. Hier lassen große Sprachmodelle, deren Forschung und Entwicklung in den letzten Jahren beeindruckende Fortschritte gemacht haben, hoffen, in derartigen Szenarien hilfreich zu sein.
Ziele und Vorgehen
NeSyPlan hat das Ziel, neuartige Methoden zu entwickeln, mit denen Planungsprobleme durch eine Kombination von Methoden aus der symbolischen und subsymbolischen Künstlichen Intelligenz gelöst werden können. Während die symbolische KI auf explizites Wissen und logische Formeln zurückgreift, nutzt die subsymbolische KI Methoden aus dem Bereich des maschinellen Lernens und der neuronalen Netze, um implizites Wissen zu erschließen. Daher soll eine Brücke zwischen beiden Ansätzen – große Sprachmodelle und Wissensgraphen – geschlagen werden. Um die Planungsprobleme zu lösen, kann damit sowohl auf explizites als auch auf implizites Wissen zugegriffen werden. Die zu entwickelnden Technologien werden in Demonstratoren zusammengeführt und anhand eines Planungsproblems aus der Robotik evaluiert.
Innovationen und Perspektiven
Die Projektergebnisse werden die Spitzenforschung im Bereich Künstliche Intelligenz in Deutschland voranbringen. Die zu entwickelnden Technologien haben das Potenzial, die Entwicklung und den Einsatz großer europäischer Sprachmodelle voranzutreiben und somit die derzeitige Dominanz außereuropäischer Sprachmodelle aus den USA und China zu verringern. Zusätzlich werden die Projektergebnisse als Open-Source-Software veröffentlicht, sodass Dritte an die Ergebnisse anschließen können.