Steig ein - Heute fährt dein Auto selbst

Von 2019 - 2021 war unser Exponat zum Forschungsprojekt »West Drive« auf der MS-Wissenschaft und auf der Ausstellung zu KI vom BMBF in Berlin, sowie im Deutschen Museum Bonn im Rahmen der Ausstellung "Mission KI" zu besichtigen. Es ist Teil der Forschung zu Warn- und Assistenzsystemen von autonom und semi-autonomen Fahrzeugen. Dieses Experiment ist insofern besonders, als das mit den modernen VR-Headsets die Augenbewegung (Eye-tracking) der Teilnehmer verfolgt und ausgewertet werden kann. Hierdurch können im besten Fall Erkenntnisse darüber getroffen werden, welchen äußeren Faktoren den Fahrer bzw. Fahrerin optisch beeinflussen und wie dadurch die visuelle Aufmerksamkeit beeinträchtigt wird. Eine weitere Forschungsfrage betraf die Akzeptanz von autonom fahrenden Fahrzeugen.

Normierte Schönheit durch KI-Fotofilter

Auf Social Media laden derzeit unzählige auf Gesichtserkennung basierende Filter dazu ein, das Gesicht “schöner” wirken zu lassen – durch rosigen Teint, reinere Haut, größere Augen oder Make-Up-Effekte. Durch die Förderung dieser konventionellen Schönheitsideale entsteht oft Druck auf junge Frauen, den unrealistischen Normen zu entsprechen. Das kann ihre psychische Gesundheit gefährden.
Studierende des "Data Ethics Outreach Lab" untersuchten die Auswirkungen von Schönheitsfiltern auf Selbstwert und Geschlechternormen. In der Ausstellung können KI-Schönheitsfilter ausprobiert werden, um die gefilterte Realität von Social Media selbst zu erleben.

NeuroAI

zielt darauf ab, die Synergien zwischen Neurowissenschaften und künstlicher Intelligenz zu nutzen, um sowohl unser Verständnis des Gehirns zu vertiefen als auch die Leistungsfähigkeit von KI-Systemen zu verbessern.

Aufgrund der Größe und Komplexität der Datenstrukturen in den heutigen Neurowissenschaften sind traditionelle Analyseverfahren nur noch bedingt hilfreich. KI kann hier helfen, neue Erkenntnisse aus den Daten zu gewinnen. Dies geschieht z.B. durch Mustererkennung oder durch die Modellierung
von Hirnprozessen auf Computern durch künstliche neuronale Netzwerke. Ziel ist es, durch Einsatz von KI neuronale Prozesse besser zu verstehen.

Aber: KI profitiert auch von Neurowissenschaften. Ziel dieser Richtung von NeuroAI ist es, Erkenntnisse und Methoden aus den Neurowissenschaften zu nutzen, um künstliche Intelligenz zu verbessern. In diesem Zusammenhang werden Erkenntnisse über
die Funktionsweise des Gehirns genutzt, um Algorithmen und Modelle für künstliche Intelligenz zu inspirieren und zu optimieren.

In der Ausstellung sehen Sie ein Demo eines KI-gestützten Computer Vision Systems. Dabei wird ersichtlich, dass das künstliche Sehsystem nur bedingt verlässlich funktioniert, und, dass es in seiner Wahrnehmung eingeschränkt ist. Ganz anders unser Gehirn.

Lou - unser freundlicher Roboter

Unser humanoider Roboter Lou wurde 2018 von uns in der Forschung genutzt, um zu verstehen welche Rolle der Körper, Gestik, und das Verhalten haben wenn sich ein eine künstliche Intelligenz in Form eines humanoiden Roboters mit einem Menschen interagiert. Es zeigt sich, dass wir Menschen einer KI in form eines humanoiden Roboters mehr vertrauen, das wir sogar Emotionen und Empathie empfinden. Der Mensch projiziert also Eigenschaften, die er anderen Menschen zuschreibt auf die KI, auch dann wenn wir explizit wissen das die KI diese Eigenschaften wie Emotionen nicht besitzt. Das Verständnis dieser Forschung ist relevant bei der Betrachtung Ethischer Aspekte der KI, als auch bei der Verbesserungen der Qualität der Interaktionen von echter und künstlicher Intelligenz.

Englisch lernen mit KI. Studienprojekt Sprachlernsystem

1993 haben Studierende im Studiengang „Computerlinguistik und Künstliche Intelligenz“ zusammen mit Gymnasiallehrkräften ein interaktives Sprachlernsystem entwickelt. Es geht darum zu üben, wie Situationen auf Englisch beschrieben werden und wie dabei Präpositionen korrekt benutzt werden. Das System war für damalige Verhältnisse ungewöhnlich flexibel, weil es nicht als Lückentext funktioniert, sondern einen Dialog ermöglicht. Es kommt kein Maschinelles Lernen zum Einsatz, sondern es werden Regeln über korrekte Grammatik, typische Fehler und sinnvolle Reaktionen eingesetzt. All diese Regeln mussten die Studierenden erst einmal finden, computergeeignet formulieren und dann durch viel Ausprobieren verbessern.

Das Projekt PROMISE – Projekt mediengestütztes interaktives Sprachlernsystem Englisch ist ein typisches Beispiel für ein regelbasierte KI-System der 1990er Jahre. Die Erstellung solcher Systeme braucht viel Expertenwissen, sie funktionieren aber gut, wenn die Regeln genau
genug sind. Allerdings funktioniert immer nur das, womit die Expert*innen auch gerechnet haben. Oft heißt es: „I don’t understand, please try again“. Es wurde an einigen Schulen ausprobiert, war aber hauptsächlich ein Studien- und Forschungsprojekt.