Wissensdatenbanken für digitale Zwillinge – Wissen und logisches Denken für Roboter

Roboter, die manuelle Aufgaben mit der Kompetenz des Menschen ausführen können, stellen seit mehr als 50 Jahren eine der großen Herausforderungen für die Forschung in der künstlichen Intelligenz (KI) und Robotik dar. Obwohl diese Forschungsfelder im Laufe der Jahre enorme Fortschritte gemacht haben, ist dieses ultimative Ziel noch immer unerreichbar. Ich bin der Meinung, dass dies der Fall ist, weil die bisher in der KI vorgeschlagenen Methoden zur Aufbereitung bzw. Darstellung von Wissen (Wissensrepräsentation) und zur Ableitung von Schlussfolgerungen zwar notwendig, aber zu abstrakt sind. In meinem Vortrag plädiere ich dafür, dieses Problem anzugehen, indem wir Roboter mit der Fähigkeit ausstatten, ihre Wahrnehmungs- und Handlungsabläufe zunächst intern zu simulieren. Dabei greifen sie auf realistische Bilder und realitätsgetreue physikalische Simulationen zurück. Die Herausforderung, dieses Wissen maschinenverständlich darzustellen, wird dadurch gelöst, dass es in Symbole „übersetzt“ und in entsprechenden Wissensbasen gespeichert wird. Roboter werden damit befähigt, riesige Sammlungen von maschinenverständlichen Erkenntnissen zu generieren. Dieses vernünftige und intuitive physikalische Wissen können sie dann verallgemeinern, um eine Vielzahl von manuellen Aufgaben zu erledigen. Dabei handelt es sich um einen Durchbruch, der erst durch die Kombination modernster Datenverarbeitungstechnologien mit neuen Verfahren zur Analyse von Daten und semantischen Strukturen ermöglicht wird. Roboter mit derartigen Fähigkeiten können uns helfen, wichtige gesellschaftliche, humanitäre und wirtschaftliche Herausforderungen der alternden Gesellschaft besser zu bewältigen.

Aufzeichnung des Vortrags:

Sobald uns die Freigabe für das Video zur Verfügung steht stellen wir es an dieser Stelle online

Materialien:

• Link zu dem TED Talk welcher am Anfang angespielt wurde: https://www.youtube.com/watch?v=7s0CpRfyYp8
  (Diese Video wurde bis Minute 2:20 abgespielt)
  
• Video „Robot Household Marathon: EASE Generative Models of Everyday Activity“ https://www.youtube.com/watch?v=pv_n9FQRoZQ

Prof. Michael Beetz PhD

Michael Beetz ist Professor für Informatik an der Universität Bremen und Leiter des Instituts für Künstliche Intelligenz (IAI). Bis 2011 war er stellvertretender Koordinator des deutschen Exzellenzclusters CoTeSys (Cognition for Technical Systems), ebenso wie den Forschungsbereich „Knowledge and Learning“. Er koordinierte das europäische FP7-Integrationsprojekt „RoboHow“ und ist seit 2017 Sprecher des von der Deutschen Forschungsgemeinschaft DFG gegründeten Sonderforschungsbereichs „Everyday Activity Science and Engineering (EASE)“. Außerdem ist er Ko-Koordinator des Forschungsschwerpunkts „Minds, Media, Machines“ der Universität Bremen und der Bremer KI-Strategie.

Michael Beetz hat sein Diplom in Informatik mit Auszeichnung an der Universität Kaiserslautern erhalten. Seine MSc-, MPhil- und PhD-Abschlüsse wurden ihm 1993, 1994 und 1996 von der Yale University und im Jahr 2000 die Venia Legendi von der Universität Bonn verliehen. Im Februar 2019 erhielt er die Ehrendoktorwürde von der Örebro Universität.

Seine Forschungsschwerpunkte liegen im Bereich der planbasierten Steuerung von Robotern, Wissensverarbeitung und –repräsentation für Robotern, dem integrierten Robotiklernen und der kognitionsbasierten Wahrnehmung.