Bild: Deutsches Museum | Eric Alexander Lichtenscheidt
KI: Fundamente
Künstlicher Intelligenz beim »Denken« zuschauen
Lernen heißt beim Menschen: neuronale Verbindungen ändern sich. So ist das auch bei Künstlichen Neuronalen Netzen. Im Bereich »KI:Fundamente« können »live« einfache neuronale Netze trainiert werden. Dabei wird auch schnell klar, dass die KI immer nur so gut ist, wie die Daten, mit der wir sie »füttern«.
Einführung in den Erlebnisraum KNN
Wie Convolutional Neural Networks sehen
Künstliche neuronale Netze kann man nicht sehen und auch nicht anfassen. Sie sind nur Programmcode in einem Computer. Um diese Technologie im Museum nachvollziehbar präsentieren zu können, braucht es einen wahren »Kunst«-griff. Dieser gelang in Zusammenarbeit mit dem Ars Electronica Futurelab in Linz an der Donau: einer der weltweit führenden Institutionen für elektronische Medienkunst.
Herzstück des Erlebnisraumes ist daher eine eindrucksvolle Großinstallation, die den »Denkvorgang« eines vielschichtigen neuronalen Netzes sichtbar macht. Hier kann ein Bilderkennungssystem über eine Kamera mit verschiedenen Objekten konfrontiert werden. Auf elf Großmonitoren lässt sich nun verfolgen, wie die KI die Informationen verarbeitet: mit teilweise verblüffenden Ergebnissen! So wird auf unterhaltsame Weise deutlich, was sich hinter dem Begriff »Deep Learning« verbirgt.
Bild: Deutsches Museum | Eric Alexander Lichtenscheidt
Bild: Deutsches Museum | Eric Alexander Lichtenscheidt
Neuronale Netze verstehen und trainieren
Unkonventionelle, aber auch nachdenklich stimmende Anwendungsbeispiele trainierter neuronaler Netze runden den Erlebnisraum ab. Hier komponiert zum Beispiel eine KI die Werke Beethovens, Schumanns oder Bachs weiter. An einer anderen Station ist das Publikum aufgerufen, Blogeinträge zu kategorisieren und damit eine KI zu trainieren, die auf das Herausfiltern von »Fakenews« und »Hatespeech« spezialisiert ist. Doch wo ist da die Grenze zur Zensur?
Für diese und andere Fragestellungen stehen unsere Museotainer und Museotainerinnen bereit, die anschaulich, kurzweilig und immer auf Augenhöhe den Dialog mit den Museumsgästen führen. Denn das gemeinsame Gespräch über die Chancen und Herausforderungen der Künstlichen Intelligenz ist das zentrale Anliegen unserer »Mission KI«!
Bild: Deutsches Museum | Eric Alexander Lichtenscheidt
Pix2Pix: GANgadse
Gleichsam als leicht verdauliches Dessert steht noch eine ganz besondere KI-Anwendung auf unserem Programm, die aus allem, was Sie auf den Bildschirm malen, immer eine Katze macht. KI = Katzen-Intelligenz? Lassen Sie sich überraschen!
Bild: Deutsches Museum | Eric Alexander Lichtenscheidt
Exploration vs. Exploitation – Erkunden oder Ausbeutung
»Exploration vs. Exploitation« ist ein zentrales Konzept der Künstlichen Intelligenz. An zwei Demonstrationen kann dieses Konzept nachvollzogen werden. Es ermöglicht das Lernen in unbekannten Umgebungen, in denen kein Vorwissen vorhanden ist. Zunächts erkundet die KI nach dem Zufallsprinzip ihre Umgebung, um mögliche Lösungen für ein Problem zu testen. Wenn diese gefunden sind, liefern sie ein Basiswissen, um die optimale Lösung zu finden. Es ist jedoch wichtig, ein gewisses Gleichgewicht zwischen Erkundung und Ausbeutung zu wahren: Wie oft sollten neue Lösungen getestet werden? Wie viel von den Erkenntnissen aus der ursprünglichen Strategie wird genutzt, bevor man zu einer anderen Aktion oder Strategie übergeht?
Die Demonstrationen sind in Kooperation mit der IMAGINARY gGmbH entwickelt worden.
Bild: Deutsches Museum | Eric Alexander Lichtenscheidt
Gradient Descent – Lernen aus Fehlern
Diese Station bietet eine inhaltliche Ergänzung zur Funktionsweise Künstlicher Neuronaler Netze. Hier ist eine der wichtigsten KI-Methoden als actionreiches Arcade-Game inszeniert: Wie lernt eine KI durch Versuch und Irrtum Fehler zu minimieren?
Die Demonstrationen sind in Kooperation mit der IMAGINARY gGmbH entwickelt worden.
Bild: Deutsches Museum | Eric Alexander Lichtenscheidt
Reinforcement Learning – Bestärkendes Lernen
Eine KI, die »Reinforcement Learning« verwendet, lernt durch Versuch und Irrtum. Sie interagiert direkt mit ihrer Umgebung, ähnlich wie auch Menschen und Tiere lernen. In der Demonstration versucht zum Beispiel ein Roboter, einen Weg durch ein Labyrinth zu finden. Besucherinnen und Besucher können ihm beim Lernen helfen, indem sie Belohnungen platzieren und sein Verhältnis von Erkundung zu Ausbeutung ändern.
Die Demonstrationen sind in Kooperation mit der IMAGINARY gGmbH entwickelt worden.