Fitnesstraining für autonome Autos
News vom 27. März 2019
Ingenieurin für Künstliche Intelligenz (KI), Data Set Designerin, KI-Trainerin – das sind nur einige neue Berufe, die durch die verstärkte Automatisierung entstehen. Laut der Studie »Future of Jobs« des World Economic Forums aus dem Jahr 2018 werden in der KI-Branche in den kommenden fünf Jahren rund 58 Millionen Arbeitsplätze geschaffen. Aber wie sieht der konkrete Berufsalltag einer KI-Expertin aus? Zum Auftakt des Girls‘ Day 2019 im Bundeskanzleramt schlüpften heute 24 Schülerinnen mit Hilfe des Fraunhofer FOKUS-Teams bei einem Technik-Parcours im Beisein von Bundeskanzlerin Angela Merkel in die Rolle der KI-Trainerin.
KI-Algorithmen werden für einen bestimmten Anwendungsbereich trainiert, wie das hochautomatisierte Fahren. Dabei ist entscheidend, dass das Fahrzeug die Umgebung akkurat und schnell erfassen kann. Zu Beginn des KI-Trainings steht die Datensammlung. Dafür steuerten die Mädchen auf dem Fraunhofer-Stand im Bundeskanzleramt einen Roboter, der mit einer Videokamera und einem Laserscanner die Umgebung in 2D und 3D erfasste. Im nächsten Schritt erklärten die Trainerinnen den Algorithmen, was ein Baum, ein Mensch, die Straße oder ein Fahrzeug ist. Dafür werden viele tausende Bilder benötigt, die jeweils so aufbereitet sind, dass die einzelnen Objekte hochgenau definiert sind. Im Labeling-Labor konnten die Mädchen sich dafür mit der Tastatur durch die 3D-Umbebungsszenarien navigieren und in kürzester Zeit den Objekten, die als Punktwolken dargestellt sind, ein Label zuordnen, zum Beispiel einen blauen Rahmen für Fahrzeuge. Am Ende des Trainings erhielten die Mädchen ein Feedback, um wie viel Prozent intelligenter die Algorithmen nach ihrem Training geworden sind. Dafür wurde die Güte der Daten der Mädchen mit Daten verglichen, die durch maschinelles Labeling generiert wurden, sowie einem Labeling, das zuvor zeitaufwändig von Expertinnen und Experten durchgeführt wurde. Denn die Qualität der Daten ist bei der KI entscheidend: Je besser die Label passen, desto genauer kann der Roboter oder das Auto bei der nächsten Fahrt die Objekte in seiner Umgebung wiedererkennen.
Als Datengrundlage für normale Assistenzsysteme reichen 2D-Videos aus. Für das autonome Fahren sind 3D-Daten von Laserscannern notwendig, da sie die Bewegung von dynamischen Objekten im Raum akkurater erfassen. Datensets für Videodaten sind bereits etabliert. Datensets von Laserscannern befinden sich aktuell noch im Aufbau. Diesen Prozess unterstützt Fraunhofer FOKUS mit seinem Labeling-Werkzeug FLLT. Die Vorteile: Die Software von Fraunhofer FOKUS kann die Bilddaten von Kameras und Laserscannern vorlabeln, so dass Objektklassen wie Fahrbahn, Fahrzeug, Fußgänger unterteilt und einzelne Elemente der Objekte voneinander getrennt werden. So können sogar Fußgänger in einer Menschenmenge auseinander gehalten werden. Labeling-Expertinnen und -Experten müssen das maschinelle Labeling nur noch in einem gewöhnlichen Webbrowser sichten und kontrollieren. Sie benötigen dadurch im Mittel nur noch 10 Prozent der Zeit, um hochqualitative Lerndaten zu generieren.