12.09.2022 - Incheon National University

Wie erklärbare künstliche Intelligenz das Wachstum der Industrie 4.0 vorantreiben kann

Erklärbare KI kann dazu beitragen, die Kluft zwischen dem menschlichen Verständnis und der Funktionsweise von KI-Modellen zu überbrücken

Die allererste industrielle Revolution begann historisch gesehen mit der Einführung von dampf- und wasserbetriebenen Technologien. Seitdem haben wir einen langen Weg zurückgelegt. Die aktuelle vierte industrielle Revolution oder Industrie 4.0 konzentriert sich auf die Nutzung neuer Technologien zur Steigerung der industriellen Effizienz. Zu diesen Technologien gehören das Internet der Dinge (IoT), Cloud Computing, cyber-physische Systeme und künstliche Intelligenz (KI). KI ist der Haupttreiber der Industrie 4.0, da sie intelligente Maschinen dazu befähigt, sich selbst zu überwachen, zu interpretieren, zu diagnostizieren und zu analysieren. KI-Methoden wie maschinelles Lernen (ML), Deep Learning (DL), natürliche Sprachverarbeitung (NLP) und Computer Vision (CV) helfen der Industrie, ihren Wartungsbedarf vorherzusagen und Ausfallzeiten zu reduzieren.

Um jedoch eine reibungslose und stabile Einführung und Integration von KI-basierten Systemen zu gewährleisten, müssen die Aktionen und Ergebnisse dieser Systeme für Experten verständlich, oder anders ausgedrückt, "erklärbar" gemacht werden. In diesem Zusammenhang konzentriert sich die erklärbare KI (XAI) auf die Entwicklung von Algorithmen, die für den Menschen verständliche Ergebnisse von KI-basierten Systemen liefern. Daher ist der Einsatz von XAI in der Industrie 4.0 sinnvoll.

Kürzlich hat eine Gruppe von Forschern, darunter Assistant Professor Gwanggil Jeon von der Incheon National University, Südkorea, einen Überblick über bestehende KI- und XAI-Technologien und ihre Anwendungen in der Industrie 4.0 gegeben. Ihr Bericht, der in der Zeitschrift IEEE Transactions on Industrial Informatics veröffentlicht wurde, wurde am 27. Januar 2022 online zur Verfügung gestellt und anschließend am 8. August 2022 in Band 18, Ausgabe 8 der Zeitschrift veröffentlicht.

"Obwohl KI-Technologien wie DL aufgrund ihrer hervorragenden Leistung und Auflösung viele soziale Probleme lösen können, ist es schwierig zu erklären, wie und warum eine so gute Leistung erzielt wird. Daher besteht die Notwendigkeit, XAI zu entwickeln, damit DL, wie die derzeitige Black Box, effizienter modelliert werden kann. Es wird auch einfacher sein, Anwendungen zu entwickeln", erklärt Prof. Jeon ( ) seine Motivation für die Studie.

XAI-basierte Methoden werden nach spezifischen KI-Aufgaben klassifiziert, wie z.B. die Erklärung von Merkmalen, die Entscheidungsfindung oder die Visualisierung des Modells. Die Autoren stellen fest, dass die Kombination von hochmodernen KI- und XAI-basierten Methoden mit Industrie 4.0-Technologien zu verschiedenen erfolgreichen, präzisen und hochwertigen Anwendungen führt. Eine dieser Anwendungen ist ein XAI-Modell, das mit Hilfe von Visualisierung und ML erstellt wurde und die Entscheidung eines Kunden für oder gegen den Abschluss einer Nichtlebensversicherung erklärt. Mit Hilfe von XAI können Menschen erkennen, verstehen, interpretieren und kommunizieren, wie ein KI-Modell Schlussfolgerungen zieht und Maßnahmen ergreift.

Die Vorteile des Einsatzes von KI in der Industrie 4.0 liegen auf der Hand, aber es gibt auch viele Hindernisse. Am wichtigsten ist der Leistungshunger von KI-basierten Systemen, der exponentiell steigende Bedarf an einer großen Anzahl von Kernen und GPUs sowie der Bedarf an Feinabstimmung und Hyperparameteroptimierung. Im Mittelpunkt stehen dabei die Daten, die von Millionen von Quellen, Geräten und Nutzern gesammelt und generiert werden, wodurch Verzerrungen entstehen, die die KI-Leistung beeinträchtigen. Dies kann mit XAI-Methoden gehandhabt werden, um die Verzerrungen zu erklären.

"KI ist die Hauptkomponente der industriellen Transformation, die intelligente Maschinen befähigt, Aufgaben autonom auszuführen, während XAI eine Reihe von Mechanismen entwickelt, die für Menschen verständliche Erklärungen liefern können", schließt Prof. Jeon.

Die Anpassung von XAI-basierten Methoden kann uns einen Schritt näher an die effiziente Realisierung von intelligenten Städten, Fabriken, Gesundheitswesen und Cybersicherheit bringen!

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.

Fakten, Hintergründe, Dossiers
  • künstliche Intelligenz
  • maschinelles Lernen
  • Deep Learning
Mehr über Incheon National University