Autonomes fahren - Machine learning "on the Edge"

Wenn Computer mittels Künstlicher Intelligenz (KI) selbst gute Spieler in Schach und Go sowie in Video-Strategiespielen schlagen, dann kann es doch nicht so schwer sein, ihnen das Autofahren beizubringen, oder? Dies haben sich mehrere Unternehmen, u.a Tesla, zur Aufgabe gemacht, indem sie mittlerweile eine KI für autonomes Fahren entwickelt haben. Dies wird mithilfe ihres FSD-Chips gewährleistet.

Folgende Methoden kommen hierbei zum Einsatz. Zum einen das supervised imitation learning. Hier untersucht die KI eine Vielzahl von richtig gelösten Aufgaben und lernt daraus, wie sie selbst diese Aufgaben hätte lösen können. Präsentiert man z.B einer KI 1000 Fotos von Hunden, analysiert & lernt die KI, woran man einen Hund erkennt.

Die zweite Technik nennt man reinforcement learning, ein "Versuch-und-Irrtum" Verfahren. D.h die KI führt eine zufällig gewählte Aktion aus, beobachtet deren Wirkung und lernt daraus, zu welchen Folgen das führt. Bezogen auf den Straßenverkehr, würde diese Methode jedoch schnell zu Unfällen führen, falls man jedoch beide Methoden kombiniert, d.h zuerst das Imitationslernen und dann das bestärkende lernen einsetzt, könnte sich daraus eine erfolgsversprechende Methode ergeben.

Aktuell ist es so, dass alle Tesla-Modelle ab 2016 eine Autopilot Software besitzen, bis 2020 sollen dann alle Autos autonom fahren können. Bislang wurden dafür etliche Daten gespeichert und ausgewertet, die Entscheidungen des Menschlichen Fahrers wurden dabei als richtige Problemlösung angesehen und anhand derer ergeben sich die Daten (Imitationslernen).

Doch nicht nur das Imitationslernen, sondern auch das bestärkende wurde bereits eingesetzt. In Israel ließ das Mobileye Unternehmen ein solches Auto autonom durch den chaotischen Verkehr von Jerusalem fahren. Darüber hinaus konnte OpenAl (Musk´s KI Unternehmen), dank diesem in einem Videospiel names Dota 2, ein Team menschlicher Spieler schlagen.

Offiziell bestätigt hat Tesla bisher nur den Einsatz des Imitationslernens, nicht die Verwendung des bestärkenden Lernens. Angesichts der großen Datenmengen, die Tesla zur Verfügung stehen, und wegen der Erfolge, die mit bestärkenden Lernen erzielt wurden, ist es jedoch wahrscheinlich, dass Tesla beide Techniken in naher Zukunft kombinieren könnte.

Ein aufregende Zukunft steht uns da bevor, jedoch hört man immer wieder: Ist autonomes Fahren überhaupt ethisch vertretbar? Und wie genau entscheidet der Computer in einer gefahren Situation, bzw. mit welchem Recht? Dies und vieles mehr, wird sich in naher Zukunft zeigen, man kann nur gespannt sein!

Den ganzen Artikel und mehr, gibt es hier zu lesen: https://towardsdatascience.com/teslas-deep-learning-at-scale-7eed85b235d3