Publikation
Kompetent im Einsatz Variable Autonomie Lernender Systeme in lebensfeindlichen Umgebungen
Jürgen Beyerer; Sirko Straube; Thomas Deserno; Igor Tchouchenkov; Armin Wedler
Lernende Systeme - Die Plattform für künstliche Intelligenz, 2/2021.
Zusammenfassung
Egal ob im Weltraum, in der Tiefsee oder in Katastrophengebieten – Einsätze in solchen
lebensfeindlichen Umgebungen stellen für den Menschen eine große Herausforderung
und erhebliche Risiken dar. Autonome, Lernende Systeme können hier helfen, Gefahren
und Risiken für Menschen zu verringern oder solche Umgebungen überhaupt erst
erschließen zu können. Die Missionskonfigurationen, der Grad der Autonomie eines
selbstlernenden Systems sowie die Intensität der Interaktion mit Menschen können dabei
enorm variieren. Entscheidend für das Gelingen der Zusammenarbeit zwischen Menschen
und Lernenden Systemen ist eine gute Arbeitsteilung. Expertinnen und Experten
der Arbeitsgruppe Lebensfeindliche Umgebungen der Plattform Lernende Systeme haben
im vorliegenden Whitepaper Schlüsselvoraussetzungen für diese Arbeitsteilung zwischen
Mensch und Lernendem System sowie für die Kompetenz des Lernenden Systems
im jeweiligen situativen Anwendungskontext untersucht. Das Whitepaper zeigt, dass
Lernende Systeme in einer lebensfeindlichen Umgebung im Vergleich zu Anwendungsdomänen
wie Industrie und Verkehr sehr individuell ausgestaltet sind und derartige Einsätze
zum gegenwärtigen Zeitpunkt nicht ohne den Menschen als Überwacher des
Geschehens konzipiert werden können. Stattdessen geht es darum, den Menschen zu
unterstützen und sein Gefahrenrisiko zu minimieren: So viel Autonomie wie möglich – nur
so viel menschlicher Eingriff wie nötig. Das Whitepaper adressiert mit Bezug zu praxisorientierten
Anwendungsfällen die Fragen, warum für Lernende Systeme in lebensfeindlichen
Umgebungen eine variable Autonomie angestrebt werden sollte, welche Architekturkomponenten
solche Systeme benötigen, welche Forschungsbedarfe existieren und
welche Fragestellungen sich daraus für Anwendungen ergeben.