Sensor AI – a key for a new generation of sensor systems?!

Abstract

In den letzten zehn Jahren haben Methoden und Technologien der Künstlichen Intelligenz ihr Potential anhand vieler Beispielapplikation eindrucksvoll nachgewiesen. Sogenannte Deep Neural Networks oder Convolutional Neural Networks haben die Klassifikation von Bilddaten revolutioniert, mit Hilfe von Heat Maps versuchen wir, Neuronale Netze besser zu verstehen, Spiking Neural Networks bilden natürliche Neuronale Netze realistischer nach – das sind nur einige ausgewählte Themen, die zeigen, wie intensiv im Bereich des Maschinellen Lernens bzw. der Künstlichen Intelligenz geforscht und entwickelt wird. Nichtsdestotrotz sind wir weit davon entfernt, diese neuen Technologien in Systemen oder Komponenten mit hohen Sicherheits- oder Zuverlässigkeitsanforderungen einzusetzen. Wir verstehen noch nicht gut genug, warum und wie Entscheidungen in komplexen KI-Systemen getroffen werden. Ein neuer Ansatz soll dazu beitragen, diese anspruchsvolle Aufgabe zu lösen. Anstatt nur auf die Interpretation reiner Messdaten zu setzen, soll zusätzlich Wissen über die Umgebung, in der wir messen, und die Sensoren, die die Daten erfassen und damit das Interface zwischen Umwelt und Datenverarbeitung sind, berücksichtigt werden. Die Kombination von physikalischen und datenbasierten Modellen ist essentiell für eine Verbesserung der Qualität von KI-Systemen, für die Sicherstellung der Integrität von KI-Ergebnissen, für ein effizienteres maschinelles Lernen und dafür, zukünftig KI-Technologien direkt in einen Sensor integrieren zu können. Durch diesen Ansatz kann eine neue Generation von Sensorsystemen entstehen.