Werbung
Werbung
Werbung

Wie lernt eine KI das Autofahren?

Selbstständig fahrende Autos müssen ihre Umgebung realitätsgetreu wahrnehmen. Das Start-up "understand.ai" erklärt, wie ingelligente Algorithmen beim Labeling von Bild- und Videoaufnahmen lernen - und hat das Verfahren besser und schneller gemacht.

Intelligente Algorythmen lernen durch Training an einer Vielzahl von Bild- und Videoaufnahmen, bevor es in die Praxis geht. | Foto: understand.ai
Intelligente Algorythmen lernen durch Training an einer Vielzahl von Bild- und Videoaufnahmen, bevor es in die Praxis geht. | Foto: understand.ai
Werbung
Werbung
Julian Kral

Selbstständig fahrende Autos müssen ihre Umgebung realitätsgetreu wahrnehmen. Algorithmen, die dies ermöglichen, lernen durch Training an einer Vielzahl von Bild- und Videoaufnahmen. Damit der Algorithmus einzelne Bildelemente erkennt, ob Baum, Fußgänger oder Straßenschild, werden diese markiert. Das "Labeling" genannte Verfahren haben der Informatiker Philip Kessler, der am Karlsruher Institut für Technologie (KIT) studiert hat, und sein Mitgründer Marc Mengler in ihrem 2017 gegründeten Start-up "understand.ai" mit Künstlicher Intelligenz besser und schneller gemacht.

„Ein Algorithmus lernt anhand von Beispielen, und je mehr Beispiele es gibt, desto effektiver lernt er“, sagt Philip Kessler.

Deshalb benötigt die Autoindustrie eine große Menge Bild- und Videomaterial zum Maschinellen Lernen für autonomes Fahren. Die Objekte auf den Bildern werden herkömmlicherweise von Menschen in Handarbeit gekennzeichnet. „Große Firmen wie Tesla beschäftigen dafür tausende Arbeiter in Nigeria oder Indien, das Verfahren ist mühsam und zeitaufwendig“, erklärt Kessler, „Bei understand.ai verwenden wir Künstliche Intelligenz, die es ermöglicht, diese Kennzeichnung zehnmal schneller und präziser auszuführen“. Hier lernt also quasi die KI von der KI.

Die Qualitätskontrolle übernimmt der Mensch

Obwohl der Prozess der Bildbearbeitung großteils hochautomatisiert sei, übernehme der Mensch am Schluss die Qualitätskontrolle, so Kessler. Die Kombination von Technik und menschlicher Sorgfalt sei insbesondere bei sicherheitskritischen Themen wie dem autonomen Fahren wichtig, betont der Start-up Gründer. Je besser dabei die Qualität der bearbeiteten Bilddaten, desto besser wird der Algorithmus, der damit trainiert.

„Da man nicht für alle Situationen – zum Beispiel Unfälle – Trainingsbilder bereitstellen kann, bieten wir neuerdings auch aus Realdaten erarbeitete Simulationen an“, so Kessler. Obwohl es sich in der Startphase auf das Thema autonomes Fahren fokussiert, plant sein Unternehmen künftig auch das Bearbeiten von Bilddaten, mit deren Hilfe Algorithmen die Tumorerkennung oder die Auswertung von Luftbildern trainieren könnten. Neben seinem Hauptsitz Karlsruhe ist das junge Unternehmen mit seinen insgesamt mehr als 50 Mitarbeiterinnen und Mitarbeitern in Berlin und San Francisco für führende Automobilhersteller und -zuliefer tätig. 2018 erhielt es von einer Runde privater Investoren eine Anschubfinanzierung in Höhe von 2,8 Millionen US-Dollar.

Printer Friendly, PDF & Email
Werbung