Halbzeit bei KI Delta Learning

„Wir haben wichtige Fortschritte gemacht, um einen Katalog von Methoden für die Skalierung der Künstlichen Intelligenz im Bereich des automatisierten Fahrens zu entwickeln. Unser Ziel im Rahmen der Forschungstätigkeit ist es Verfahren aufzuzeigen, mit denen ein Wissenstransfer in der KI möglich ist“, so Projektleiter Dr. Mohsen Sefati, Systementwicklung autonomes Fahren, Mercedes-Benz AG. „Für die Anwendung in der Automobilindustrie könnte dies von enormem Vorteil sein um KI Anwendungen zukünftig noch sehr viel effizienter und vielfältiger einzusetzen.“

Das Projekt konzentriert sich beim Trainieren der Deltas auf drei Hauptbereiche: Transfer Learning, Didaktik und Automotive-Tauglichkeit. Bei Transfer Learning wird das erlernte Wissen bei Wechseln zwischen Domänen nicht vergessen, sondern schrittweise um neues Wissen erweitert. So müssen die KI-Algorithmen nicht ständig von Grund auf neu trainiert werden – ein sehr zeitintensives und kostspieliges Unterfangen. Im Bereich der Didaktik werden unterschiedliche Ansätze der Trainingsmethoden für Algorithmen erforscht. Dabei stehen Fragen im Vordergrund wie: Wie sollen Trainingsstrategien am besten aufgebaut werden und wie kann man das Lernen mit besseren Lehrmethoden beeinflussen? Zwei Aspekte werden im Rahmen der Automotive-Tauglichkeit näher untersucht: Zum einen die Robustheit und Zuverlässigkeit von KI-Modulen in unbekannten Situationen und unter Störungen. Zum anderen die Herausforderungen, die sich bei der Übertragung von trainierten KI-Algorithmen auf in Fahrzeugen eingebettete Hardware ergeben.