DFKI-Projekt macht künstliche Intelligenz genügsam
Bild: DFKIKünstliche Intelligenz (KI) findet zunehmend Anwendungen in der physischen Welt, und somit auch auf eingebetteten, cyber-physischen Geräten mit begrenzten Ressourcen und unter anspruchsvollen Bedingungen. Diese Art von KI wird als 'Frugale KI' (Genügsame KI) bezeichnet und zeichnet sich durch geringen Speicherbedarf, reduzierte Rechenleistung und den Einsatz von weniger Daten aus. Das Projekt Faire (Frugal Artificial Intelligence in Resource-limited Environments) des DFKI und des französischen Informatikinstituts Inria entwickelt einen Ansatz für alle Abstraktionsschichten von KI-Anwendungen an der Peripherie. Edge Devices wie Fahrerassistenz- und Infotainment-Systeme im Auto, medizinische Geräte, Explorations-, Fertigungs- und Service-Roboter oder Mobiltelefone verfügen bei weitem nicht über die Ressourcen, die heutige Anwendungen für maschinelles Lernen benötigen. Die Herausforderung besteht darin, mit beschränkter Rechenleistung, begrenztem Speicherplatz und eingeschränkter Stromversorgung umzugehen. Aufgrund eingeschränkter Konnektivität an abgelegenen Orten, unter Wasser oder im Weltraum und aufgrund von Sicherheits- oder Datenschutzbedenken, ist es dennoch wünschenswert, dass diese Geräte Daten direkt verarbeiten können, anstatt sie in die Cloud zu senden. Um KI-Anwendungen auf mobilen Geräten bereitzustellen, wollen die Projektbeteiligten Modellgrößen reduzieren und den Rechenaufwand durch Netzwerkquantisierung, Optimierung der Netzwerkarchitektur, Optimierung der Berechnungen und schließlich Ausführung auf spezialisierter Hardware verbessern. Um diesen Ansatz in der Praxis zu demonstrieren, führt das Projektteam eine Fallstudie zur Mensch-Roboter-Interaktion (HRI) durch. Diese soll anhand der Interaktion mit einem Menschen verdeutlichen, wie die verschiedenen Abstraktionsschichten zusammenarbeiten und wie robotische Systeme möglichst ressourcenbewusst und kontinuierlich lernen können. Im Szenario interagiert ein intelligenter Roboter über einen ausgedehnten Zeitraum mit einem Menschen, um ihn bei spezifischen Aufgaben zu unterstützen. Während dieser Interaktion soll sich der Roboter an unbekannte Kontexte anpassen. Die Ergebnisse der Fallstudie sollen die Anwendbarkeit entwickelten KI-Algorithmen zeigen und weisen über das spezifische Szenario hinaus.
Bild: DFKIKünstliche Intelligenz (KI) findet zunehmend Anwendungen in der physischen Welt, und somit auch auf eingebetteten, cyber-physischen Geräten mit begrenzten Ressourcen und unter anspruchsvollen Bedingungen. Diese Art von KI wird als 'Frugale KI' (Genügsame KI) bezeichnet und zeichnet sich durch geringen Speicherbedarf, reduzierte Rechenleistung und den Einsatz von weniger Daten aus. Das Projekt Faire (Frugal Artificial Intelligence in Resource-limited Environments) des DFKI und des französischen Informatikinstituts Inria entwickelt einen Ansatz für alle Abstraktionsschichten von KI-Anwendungen an der Peripherie. Edge Devices wie Fahrerassistenz- und Infotainment-Systeme im Auto, medizinische Geräte, Explorations-, Fertigungs- und Service-Roboter oder Mobiltelefone verfügen bei weitem nicht über die Ressourcen, die heutige Anwendungen für maschinelles Lernen benötigen. Die Herausforderung besteht darin, mit beschränkter Rechenleistung, begrenztem Speicherplatz und eingeschränkter Stromversorgung umzugehen. Aufgrund eingeschränkter Konnektivität an abgelegenen Orten, unter Wasser oder im Weltraum und aufgrund von Sicherheits- oder Datenschutzbedenken, ist es dennoch wünschenswert, dass diese Geräte Daten direkt verarbeiten können, anstatt sie in die Cloud zu senden. Um KI-Anwendungen auf mobilen Geräten bereitzustellen, wollen die Projektbeteiligten Modellgrößen reduzieren und den Rechenaufwand durch Netzwerkquantisierung, Optimierung der Netzwerkarchitektur, Optimierung der Berechnungen und schließlich Ausführung auf spezialisierter Hardware verbessern. Um diesen Ansatz in der Praxis zu demonstrieren, führt das Projektteam eine Fallstudie zur Mensch-Roboter-Interaktion (HRI) durch. Diese soll anhand der Interaktion mit einem Menschen verdeutlichen, wie die verschiedenen Abstraktionsschichten zusammenarbeiten und wie robotische Systeme möglichst ressourcenbewusst und kontinuierlich lernen können. Im Szenario interagiert ein intelligenter Roboter über einen ausgedehnten Zeitraum mit einem Menschen, um ihn bei spezifischen Aufgaben zu unterstützen. Während dieser Interaktion soll sich der Roboter an unbekannte Kontexte anpassen. Die Ergebnisse der Fallstudie sollen die Anwendbarkeit entwickelten KI-Algorithmen zeigen und weisen über das spezifische Szenario hinaus.
DFKI
Dieser Artikel erschien in IT&Production 1 (Februar) 2024 - 07.02.24.Für weitere Artikel besuchen Sie www.it-production.com
