Komplementäre Stärken menschlicher und künstlicher Intelligenz effektiv nutzen
Das menschliche Gehirn und die heutige KI weisen stark komplementäre Fähigkeiten und „Arten von Intelligenz“ auf. Wir wollen mit unserer Arbeit neue menschzentrierte Paradigmen für KI erforschen und entwickeln, die Menschen und Maschinen in einen kooperativeren Prozess zum beiderseitigen Vorteil einbinden. Wir verfolgen daher einen transdisziplinären Forschungsansatz, der Data-Mining, maschinelles Lernen, interaktive Visualisierung, visuelle Datenanalyse und Mensch-Computer-Interaktion miteinander verbindet.
Forschungsfokus
Unsere Forschung konzentriert sich auf eine stärkere Integration von Menschen und Maschinen durch Interaktion und Zusammenarbeit. In diesem Kontext wird der Lernprozess des menschlichen Gehirns und der KI als wechselseitiger Prozess verstanden, in dem Mensch und Maschine in einen Dialog eintreten, um gemeinsam ein Problem zu lösen. Dabei profitieren beide Seiten von den entstehenden Synergien.
Der Mensch kann durch seine Expertise den Lernprozess der KI lenken und somit besser auf die eigentlichen Ziele und Bedürfnisse der Nutzer*innen abstimmen. Die menschliche Intuition und Wahrnehmung kann wirksam eingesetzt werden, um schnell komplexe Muster zu erkennen, was der KI oft schwer fällt. Zusätzlich unterstützt der kollaborative Prozess Menschen dabei, tiefere Einblicke in KI sowie ihre Funktionsweisen und Lernfortschritte zu gewinnen, wodurch bessere Nachvollziehbarkeit, mehr Transparenz und höheres Vertrauen ermöglicht werden.
Unsere kollaborative und menschzentrierte Herangehensweise an künstliche Intelligenz bietet eine Vielzahl an möglichen Anwendungsfeldern. Überall dort, wo KI-basierte Assistenzsysteme integriert werden sollen, kann sie dabei helfen, die Systeme an die tatsächlichen Bedürfnisse der Nutzer*innen anzupassen und die KI-Methoden interaktiv zu verbessern und transparenter zu gestalten. Vor allem in Bereichen, die von großen Mengen nicht gekennzeichneter Daten geprägt sind, kann kollaboratives Lernen dabei helfen, das Training von KI-Systemen zu aktivieren und zu beschleunigen. Nachfolgend sind konkrete Anwendungsfelder dargestellt.
Zu den Forschungsschwerpunkten im Bereich der menschzentrierten KI gehören:
Wir erarbeiten neuartige Konzepte für kollaboratives maschinelles Lernen auf der Grundlage von Methoden aus dem aktiven Lernen, Reinforcement Learning, des Machine Teaching sowie Konzepten der Mensch-Computer-Interaktion (HCI) mit dem Ziel einer stärkeren Einbindung des Menschen in den Lernprozess.
Auf diese Weise wird der Lernprozess von Menschen und Maschinen aneinandergekoppelt, und es entsteht ein zeitlich dynamischer Prozess der wechselseitigen Beeinflussung. Wir entwickeln neue Metaphern der Interaktion für kollaboratives maschinelles Lernen und Lernstrategien, die auf Nutzerbeobachtung und Erkenntnissen aus der Lerntheorie beruhen.
VIAL kombiniert maschinelles Lernen und Visualisierung mit dem Ziel der Optimierung dreier Prozesse: der Kennzeichnung von Daten, dem inkrementellen Training von Modellen des maschinellen Lernens und der Generierung von Wissen für die Benutzer*innen.
Im Zusammenhang mit KAVA liegt unser Fokus auf dem Design und der Entwicklung interaktiver und visuell geleiteter Methoden für die Integration, das Management und die Formalisierung von Expertenwissen für neuartige KI-basierte Ansätze der Datenexploration sowohl für Experten als auch für Laien.
Wir erarbeiten Methoden zur Erklärung KI-basierter Entscheidungen und entwerfen KI-gestützte Systeme, die lernen, sich für Menschen verständlich zu erklären. Ein weiteres Ziel ist die Schaffung von Transparenz durch die Integration von interaktiven visuellen Schnittstellen in den Lern- und Entscheidungsprozess sowie durch visuelle Darstellungen komplexer Daten und Modelle.
Siehe auch: Trustworthy AI
Sie wollen mehr wissen? Fragen Sie nach!
Forschungsgruppe Media Computing
Institut für Creative\Media/Technologies
Department Medien und Digitale Technologien