Motivation
Die Entwicklung von KI-Systemen wird im Kern durch Experimente getrieben. Die meisten Methoden des Maschinellen Lernens lassen sich nicht anhand gegebener Anforderungen einstellen, sondern müssen ihnen experimentell angenähert werden. Um diesen bislang weitgehend unorganisierten Teil der Forschung und Entwicklung von KI-Systemen zu systematisieren, und damit zu beschleunigen, werden im KI-Labor „Agile-AI“ die Werkzeuge für Durchführung und Auswertung von Experimenten mit KI-Methoden erforscht.
Ziele und Vorgehen
Ziel des Vorhabens ist die Entwicklung von drei Teilkomponenten: 1) Entwicklung einer dedizierten Programmiersprache für Experimente, 2) Aufbau einer Cloud-Plattform zur Durchführung von Experimenten sowie 3) Einrichtung einer Suchmaschine für vorhandene Experimente. Die Programmiersprache für Experimente (Teilkomponente 1) trägt drei Innovationen zur Entwicklung von KI-Systemen bei: a) Abstraktion, b) Korrektheitsgarantien und c) Reproduzierbarkeit. Die Cloud-Plattform (Teilkomponente 2) dient der parallelen Verarbeitung von Experimentserien. Darüber hinaus erlaubt sie die Veranstaltung von Data-Science-Wettbewerben und stellt sicher, dass sensitive Daten nicht für Dritte zugänglich sind. Die Suchmaschine für Experimente (Teilkomponente 3) stellt sicher, dass Experimente nicht unnütz wiederholt werden und erlaubt erstmals die Suche und damit die Analyse von Experimentdaten, um Vorhersagen zu ermöglichen. Dieser bislang nicht verfügbare Technologiemix soll es Forschern und Entwicklern erleichtern, Experimentreihen zu planen, mit wenig Aufwand parallel auszuführen und mittels „Hypothesen-Triggern“ zu steuern. Damit beschleunigt Agile-AI die experimentgetriebene Entwicklung von KI-Systemen.
Innovationen und Perspektiven
Das Vorhaben trägt dazu bei, das Vertrauen und die Transparenz in KI-Systeme zu stärken, da ihre Entstehungsgeschichte in Form von Experimentserien nachvollziehbar wird. Die entwickelten Werkzeuge werden Open Source veröffentlicht, in Industrievorträgen und Hackathons verbreitet und in zukünftigen Forschungsvorhaben eingesetzt. Durch die gezielte Ausrichtung von Data-Science-Wettbewerben und die Entwicklung von standardisierten Benchmarks wird die Forschung und Entwicklung in der KI gezielt gefördert. Weiterhin werden Softwareentwickler der Region sowie Studierende ausgebildet. Ziel dabei ist ein forschendes Lernen gemäß dem humboldtschen Ideal.