Samsung KI-Forum 2019: Experten diskutieren, was nötig ist, um KI auf die nächste Stufe zu heben

Samsung ist fest entschlossen, für eine bessere Zukunft Fortschritte im Bereich der künstlichen Intelligenz (KI) zu erzielen. Vor kurzem veranstaltete das Unternehmen das dritte, jährliche Samsung KI-Forum. Dort diskutieren Forscher über die Zukunft von KI und die Hürden, die es auf dem Gebiet zu überwinden gilt.

Das diesjährige Forum wurde von renommierten KI-Experten aus der ganzen Welt besucht, die interessante Ideen vorstellten, um die größten Herausforderungen der KI-Forschung zu bewältigen.

Die nächsten großen Trends in KI – eine Vorhersage

Von links nach rechts: die Professoren Yoshua Bengio, Kyunghyun Cho, Noah Smith und Abhinav Gupta

Moderne KI-Technologie ist nicht nur in der Lage, Daten auf Basis von Algorithmen zu analysieren, sondern macht auch Fortschritte bei der Entwicklung von menschenähnlichen kognitiven Fähigkeiten. Vor dem Hintergrund zunehmender Rechenleistung und Weiterentwicklungen im Bereich Deep Learning, ist die nächste Herausforderung für KI, Daten selbstständig zu analysieren und die am besten geeignete Antwort auf eine bestimmte Situation zu finden. Die Möglichkeit, dabei immer größere Datenmengen zu nutzen, beschleunigt diesen Trend.

Während sich die jüngsten Fortschritte als vielversprechend erwiesen haben, waren sich die Referenten des diesjährigen KI-Forums dennoch einig, dass bestimmte technologische Herausforderungen noch nicht angegangen wurden. Prof. Kyunghyun Cho von der New York University brachte den aktuellen Stand der Technologie auf den Punkt: „Stellen Sie sich eine hypothetische KI vor, die mit der aktuellen Technologie ausgestattet ist. Sie hat gerade erst ihre Augen geöffnet, um Objekte zu sehen und zu erkennen. Sie hat gerade erst ihre Ohren geöffnet, um den Menschen zuzuhören und zu verstehen, was sie sagen. Sie kann gerade so ihren Mund öffnen, um mit kurzen Äußerungen zu kommunizieren und lernt erst noch, ihre Gliedmaßen zu bewegen. Mit anderen Worten, wir sind bisher nur einen kleinen Schritt in Richtung einer intelligenten Maschine gegangen – beziehungsweise einer Sammlung von Algorithmen, die das Fundament einer solchen KI wären.“

Prof. Noah Smith von der University of Washington erläuterte diesen Punkt: „Wir haben viele Fortschritte bei der Verwendung von immer tiefer gehenden neuronalen Netzwerken gesehen, die mit immer größeren Datensätzen trainiert wurden.“ Gleichzeitig identifizierte Prof. Smith aber auch die Entwicklung effizienter Algorithmen, die Reduzierung der Systembaukosten und Verbesserungen in den Methoden des Datenlernens als Punkte, die dringend angegangen werden müssen, um KI-Technologie auf die nächste Stufe zu heben.

Die Referenten äußerten ihre Meinungen darüber, worauf sich die KI-Forschung als nächstes konzentrieren sollte. Dabei wurden Forschungsthemen wie drahtlose Netzwerksteuerungen, die Erhöhung der Autonomie von KI, die Erweiterung der Anwendungsgebiete von KI in der chemischen und biologischen Forschung, sowie die Optimierung von Interaktion zwischen Mensch und KI besonders unterstrichen.

Prof. Abhinav Gupta von der Carnegie Mellon University erklärte: „In den letzten Jahren haben wir bedeutende Fortschritte in der KI-Forschung gemacht, aber die meisten dieser Fortschritte beziehen sich auf die Lösung spezifischer Aufgaben, bei denen viele Daten verfügbar sind und es möglich ist, die KI zu überwachen. Auf der anderen Seite kann der Mensch hunderttausende Aufgaben erfüllen, oft ohne Anleitung oder Datenberge. Dies ist die nächste Stufe für KI: Die Entwicklung von intelligenter, genereller KI, auch ohne Zugang zu großen Mengen an Daten oder Anweisungen.“

Über das Deep Learning hinaus

Der erste Tag des Forums wurde von Dr. Kinam Kim, President & CEO von Device Solutions bei Samsung Electronics, mit einem Gespräch über die Motivation von Samsung, all die renommierten KI-Experten unter einem Dach zusammenzubringen, eröffnet. „KI-Technologie hat bereits Auswirkungen auf verschiedene Aspekte unserer Gesellschaft“, sagte Dr. Kim. „Hier beim Samsung KI-Forum werden wir, zusammen mit einigen der besten Köpfe der Branche, Strategien für die Entwicklung von KI diskutieren, um die Welt zu einem besseren Ort zu machen.“

Dr. Kim übergab das Wort dann dem ersten hochkarätigen Redner des Tages: Prof. Yoshua Bengio von der Universität Montreal. Er hielt einen Vortrag mit dem Titel „Auf dem Weg zum kompositionellen Weltverständnis durch Deep Learning“.

„Menschen sind viel besser darin, Ausreißer einzuordnen, als die heutigen KIs“, erklärte Prof. Bengio. „Wir glauben, dass das reine Lernen durch Texte nicht ausreicht. Wir müssen KIs kreieren, die ein eigenes Bild von der Welt haben können, dem sprachliche Bezeichnungen zugeordnet sind.“

„Der Fokus der zukünftigen Methodik von Deep Learning sollte sich darauf konzentrieren, wie KI mit den Methoden des Reinforcement Learning gewonnene Erkenntnisse besser darstellen kann“, sagte Prof. Bengio.

Als nächstes hielt Prof. Trevor Darrell von der University of California in Berkeley einen Vortrag mit dem Titel „Adaption und Erklärung von Deep Learning für autonome Systeme“. Der Vortrag von Prof. Darrell beleuchtete die Grenzen des Deep-Learning-Ansatzes bei der Entwicklung von autonomen Fahrzeugen und stellte Ansätze vor, um diese Grenzen zu überwinden.

Wie Prof. Darrell erklärte, haben die Erfolge von Deep Learning in jüngster Zeit ermöglicht, dass auch kostengünstige Sensoren für autonome Fahrzeuge und die effiziente automatisierte Analyse von Fotos in Online-Medien eingesetzt werden können. Jedoch benötigen diese Modelle in der Regel erhebliche Mengen an Trainingsdaten und können unter Umständen nur in der Umgebung gut funktionieren, in der sie trainiert wurden.

Prof. Darrell schlug daher Ansätze zur Entwicklung nachvollziehbarer Deep-Learning-Modelle vor. Unter anderem führte er introspektive Ansätze an, die kompositorische Strukturen in einem Netzwerk visualisieren und so sichtbar machen, wie eine KI zu dem Ergebnis kommt. Er stellt sich außerdem Third-Person-Ansätze vor, sodass eine KI in natürlicher Sprache begründen kann, warum bestimmte Klassifizierungsentscheidungen in einem Deep-Learning-Modell getroffen wurden.

Anschließend trat Prof. Kyunghyun Cho von der New York University auf die Bühne, um „Drei Varianten, um neuronale Sequenzen zu erzeugen“ vorzustellen.

„Standardmethoden zur Generierung neuronaler Sequenzen“, erklärte Prof. Cho, „gehen von einer festen Reihenfolge aus, wie z. B. von links nach rechts. Trotz der großen Erfolge der letzten Jahre stellt sich die Frage, ob das notwendig ist oder ob es eine andere Möglichkeit gibt, solche Sequenzen automatisch auf Basis der vorliegenden Daten zu erzeugen – ohne, dass man die Reihenfolge vorab angeben oder sich auf externe Tools stützen muss.“ Er stellte drei Alternativen vor, die möglicherweise in der Sequenzmodellierung verwendet werden könnten.

Am ersten Tag des Samsung KI-Forums fand eine Podiumsdiskussion mit (von links) den Professor*innen Simon Lacoste-Julien, Jia Deng, Yoshua Bengio, Jackie Cheung, Sanja Fidler und Kyunghyun Cho statt.

Auf die Keynote-Vorträge des ersten Tages folgte eine Podiumsdiskussion, moderiert von Prof. Simon Lacoste-Julien von der University of Montreal. Die Gesprächsrunde setzte sich mit der Etablierung von Datensätzen für Deep Learning-Modelle auseinander. Prof. Sanja Fidler von der University of Toronto schlug ein neues Tool vor, um Bilddaten detailliert zu kennzeichnen. Prof. Jackie Cheung von der McGill University regte eine Alternative an, um Systeme zur automatischen Zusammenfassung von Nachrichten zu ersetzen.

Prof. Jia Deng von der Princeton University skizzierte eine Methode zur Etablierung eines neuen Systems, das es KI ermöglicht, Daten effizienter zu analysieren. Prof. Lacoste-Julien diskutierte Wege, um die Lerneffizienz von Generative Adversarial Networks (GANs), bei denen sich zwei neurale Netzwerke gegenseitig trainieren, zu steigern.

KI entwickeln, die dem Menschen ähnlich ist

Der zweite Tag des Forums wurde von Samsung Research organisiert, der Forschungszentrale, die die Entwicklung von Zukunftstechnologien für das Endproduktegeschäft von Samsung Electronics leitet. Experten aus verschiedenen Bereichen erläuterten, wie sie KI in ihrer laufenden Forschung anwenden. Außerdem wurden innovative Wege aufgezeigt, um die aktuellen Grenzen der Technologie zu überwinden.

DJ Koh, President und CEO der IT & Mobile Communications Division von Samsung Electronics, begann die Vorträge des zweiten Tages und legte seine Sichtweise für die Bedeutung der Investitionen von Samsung in KI dar. „In dieser hypervernetzten Welt, in der alles durch 5G-, KI- und IoT-Technologie verbunden ist, wird das Unternehmen, das das innovativste Erlebnis bietet, zum globalen Marktführer werden“, sagte Koh. „Ich glaube, dass Samsung mit der Vorreiterrolle bei 5G-, KI- und IoT-Innovationen führend sein wird.“

Die erste Keynote des Tages wurde von Prof. Noah Smith von der University of Washington gehalten. Er gilt als einer der weltweit führenden Experten für die Entwicklung von Algorithmen für Rechenzentren zur autonomen Analyse menschlicher Sprachen. Smith stellte „Rational Recurrent Neural Networks“ (RNNs) vor und skizzierte einen Weg, um effiziente Deep Learning-Modelle für die Verarbeitung von Sprache zu gestalten.

„Aktuelle Deep Learning-Modelle basieren nicht auf menschlichem Sprachverständnis“, erklärte Prof. Smith. „Deshalb ist es schwierig, die Gründe für die Entscheidungen der Modelle zu erklären. Experimente haben gezeigt, dass RNNs wettbewerbsfähig als Sprachmodelle und für verschiedene Klassifikationsaufgaben arbeiten können. Besonders wenn nur kleinere Mengen an Daten mit wenigen Paramatern klassifiziert werden müssen, lernen RNNs schneller.“

Im Anschluss schlug Prof. Abhinav Gupta von der Carnegie Mellon University ein neues Modell vor, um die Sicht- und Lernprozesse von Robotern zu verbessern. Prof. Gupta zeigte, wie ein groß angelegter Selbstlernmechanismus über die Grenzen des überwachten Lernens¹ hinausgeht und diskutierte, wie er in zukünftige KIs integriert werden kann.

Das von Prof. Gupta eingeführte Selbstlernmodell basiert auf einer Methodik, bei der ein KI-System die physische Welt durch visuelles Verständnis modelliert und ein Verständnis für Raum und Objekte gewinnt. Ziel ist es, vorausschauende Modelle zu etablieren, die, auf Grundlage ihres Verständnisses von Physik und räumlicher Wahrnehmung, Ursache-Wirkungsbeziehungen verstehen können.

Im „Invited Talk“ wurden konkrete Methoden diskutiert, wie KI auf weitere Bereiche im Alltag ausgeweitet werden kann. „Es ist schwierig für KI, die Welt zu verstehen, wenn sie nur die Daten verwendet, mit denen sie trainiert wurde. Wenn jedoch neue Variablen beteiligt sind, können die Daten zu einer Schlussfolgerung führen, die sich völlig von dem unterscheidet, was Entwickler beabsichtigt haben“, sagte Prof. Vaishak Belle von der University of Scotland in Edinburgh.

Prof. Belle betonte die Notwendigkeit von transparenter und verantwortungsbewusster KI-Entwicklung und schlug vor, mehr Anstrengungen zu unternehmen, um eine maschinelle Lerntechnologie zu entwickeln, die auch für Nicht-KI-Experten zugänglich ist. Eine Entwicklung, in der Vorurteile in Algorithmen nachvollzogen werden können, um eine faire Entscheidungsfindung zu gewährleisten und in der ethische Richtlinien stärker auf KI angewendet werden.

Als nächstes stellte Prof. Joan Bruna von der New York University die jüngsten Fortschritte bei der Entwicklung von Deep Learning-Modellen vor – die sogenannten Graph Neural Networks (GNNs). „Ein Diagramm ist ein effektives Werkzeug, um Interaktionen zwischen Nutzern, KI und Wissen zu ermöglichen“, erklärte Prof. Bruna. „GNNs, die Diagramme erstellen und aus den dargestellten Relationen lernen können, sind der entscheidende Faktor, um eine KI zu entwickeln, deren Intelligenz mit der menschlichen vergleichbar ist.

Die neuesten KI-Entwicklungen von Samsung

(Oben) Dr. Sungwoo Hwang, stellvertretender Präsident des SAIT, demonstriert die gerätegebundene KI-Übersetzungstechnologie von Samsung. (Unten) Die Teilnehmer informieren sich über herausragende Beispiele für die KI-Forschung von Studenten und Doktoranden aus ganz Korea.

Jedes Samsung KI-Forum bietet den Teilnehmern die Möglichkeit, sich über die neuesten Entwicklungen von Samsung auf dem Gebiet der KI-Forschung zu informieren. In diesem Jahr nutzte das Unternehmen das Forum als Plattform, um seine gerätegebundene Übersetzungstechnologie vorzustellen, die Nutzern auch ohne Internetverbindung einen schnellen und zuverlässigen Service bietet.

Das Forum diente außerdem als Schaufenster für die nächste Generation von KI-Experten. Poster, die außerhalb des Hörsaals aufgestellt wurden, boten Teilnehmern die Möglichkeit, die Forschungsarbeiten und Dissertationen von Studenten an Universitäten aus ganz Korea unter die Lupe zu nehmen.

Die Vision von Samsung in Bezug auf KI-Technologie konzentriert sich auf die Schaffung eines nutzerzentrierten Ökosystems von Geräten und Dienstleistungen, die das Leben von Konsumenten auf sinnvolle Weise verbessern. Mit der Ausrichtung des KI-Forums möchte Samsung mehr tun, als nur die neuesten Fortschritte in der KI-Forschung zu präsentieren, sondern aktiv nach innovativen Lösungen für einige der größten Herausforderungen im Bereich KI zu suchen.

¹ Überwachtes Lernen bezieht sich auf eine Methode des maschinellen Lernens, die aussagekräftige Informationen sammelt, die nur auf gelernten Daten basieren. Sobald eine große Datenmenge bereitgestellt wurde können Regeln erstellt werden. Umso größer die selbsterlernten Erkenntnisse sind desto differenzierter können die Schlussfolgerungen ausfallen.