Experteninterview mit Milad, Head of Artificial Intelligence
(Die Antworten wurden vereinfacht um für jeden verständlich zu sein)
Was genau sind deine Aufgaben bei NEURA Robotics?
Ich leite die Abteilung für künstliche Intelligenz (KI) bei NEURA Robotics und bin seit dem ersten Tag im Unternehmen, zusammen mit unserem CEO, David Reger, und etwa zwölf weiteren Kollegen. Zu meinen Aufgaben gehört es, neue und ehrgeizige Ziele in Angriff zu nehmen und sie in realisierbare Projekte umzusetzen. Diese Ideen können von David selbst, anderen Mitarbeitern oder den Mitgliedern des KI-Teams stammen. Stellen wir uns zum Beispiel vor, dass man mit einem kognitiven Roboter ein Gespräch führen möchte und der Roboter einen verstehen und auf einen reagieren soll, dann ist definitiv KI erforderlich. Ausgehend von dieser Aufgabe erstelle ich eine Reihe von Projekten, die es uns Schritt für Schritt ermöglichen, verschiedene Versionen unseres finalen Ziels zu realisieren. Mein Team und ich führen verschiedene Projekte durch, wobei wir das Gesamtziel vor Augen haben. Natürlich sind diese Projekte schwierig umzusetzen, aber wir geben unser Bestes, um diese Projekte zu ermöglichen und zu generalisieren. Ein typischer Fall ist, dass wir einen Roboter bauen, der ein Glas erkennt und aufhebt, und ihn so generalisieren, dass er alles andere erkennen und aufheben kann, einen Teller, eine Flasche, einen Teddy, alles. Dies ist ein Teil des Prozesses, den wir durchführen, wenn wir Roboter kognitiv machen.
Welche Erfahrungen hast du seit Ihrem ersten Tag bei NEURA Robotics gemacht?
Als ich zum ersten Mal mit David sprach und seine sehr ehrgeizigen Ziele hörte, war ich schockiert. Das liegt vor allem daran, dass ich derjenige bin, der einen großen Teil dieser Ziele zusammen mit meinem Team umsetzen sollte. Ehrlich gesagt konnte ich eine Zeit lang nicht gut schlafen. Es war das erste Mal in der Welt, dass ein Unternehmen beschloss, so etwas zu versuchen, und es gab keine Leitlinien oder bewährte Verfahren. Meine größte Sorge galt der Frage, wie wir unseren Auftrag mit den richtigen Leuten erfüllen können. Aber David hat uns motiviert, was sehr hilfreich war. Ja, wir hatten einige schlechte Tage und viele außergewöhnlich gute Tage, aber am Ende haben wir versucht, keine unangenehmen Erfahrungen zu wiederholen und so viel wie möglich daraus zu lernen. Besonders wichtig ist eine große Flexibilität im Denken. Als Experte flexibel zu sein und sich auf die eigenen und die Erfahrungen anderer zu verlassen, macht alles möglich.
Wie definierst du künstliche Intelligenz?
Künstliche Intelligenz ist leicht mit dem Wort Kognition zu verstehen. Kognition mag ein wenig vage sein, aber wenn man künstliche Intelligenz mit natürlicher Intelligenz vergleicht, versteht man, dass natürliche Intelligenz für uns Menschen so selbstverständlich ist, dass wir nicht darüber nachdenken. Künstliche Intelligenz ist vom menschlichen Gehirn inspiriert. Wir ahmen das menschliche Gehirn mathematisch nach, um herauszufinden, wie es funktioniert, und übertragen dieses Wissen in einem schrittweisen Prozess auf Maschinen. Neuronale Netze werden verwendet, um eine unkomplizierte Möglichkeit zu entwickeln, Neuronen mathematisch zu replizieren. Kürzlich wurden neue Hardware-Entwicklungen wie Grafikprozessoren (GPU) eingesetzt, um tiefe neuronale Netze mit vielen Neuronen zu entwickeln, die besser funktionieren als technische Systeme. Künstliche Intelligenz bedeutet, dass eine Maschine wahrnehmen, verstehen, zuhören, ihre Umgebung sehen, ihre nächste Aktion planen und ausführen kann.
Warum benötigen wir künstliche Intelligenz?
Wir brauchen künstliche Intelligenz, weil es viele Probleme gibt, die mit ausgefeilter Technik nicht gelöst werden können. Wenn man zum Beispiel in der Physik ein Auto entwerfen will, das schnell fährt, kann man es mit den Gleichungen der Physik so entwerfen, dass das Ergebnis präzise ist. Dies wird jedoch nur eine Annäherung sein. Aber in der Robotik müssen wir diese Annäherung kompensieren, und das geht nur mit maschinellem Lernen. Mit KI muss man keine Gleichung finden, man kann einen riesigen Datensatz erstellen, ihn an ein Modell weitergeben, und das Modell versteht ihn auf eine Weise, die man nicht einmal erklären kann. For example, if you want to recognize a cat in a picture without AI, you will have to say that in your code: a cat has this type of eyes, this color, and it looks like this. Aber wenn morgen eine andere Katze kommt, kann diese Methode sie nicht erkennen, weil sie kleiner ist und eine ganz andere Farbe hat. Mit KI kann man einen Datensatz mit vielen Katzenbildern erstellen, ein einfaches Deep-Learning-Modell damit trainieren, und es wird alle Katzen erkennen. Sie ist wie die natürliche Intelligenz des Menschen. Als Kind siehst du viele Katzen oder Katzenbilder, und jedes Mal, wenn du deine Mutter fragst, was es ist, sagt sie, dass es eine Katze ist, aber sie erklärt dir nicht, wie eine Katze aussieht. Nach einer Weile erkennt man jede Art von Katze.
Kannst du Beispiele für Anwendungen aus der Praxis nennen?
KI kann in vielen Branchen helfen. Vor allem bei Anwendungen, die sich typischerweise wiederholen und von Menschen verlangen, dass sie die gleiche, sich wiederholende Aufgabe ausführen. Erstens mögen Menschen keine sich wiederholenden Aufgaben, weil sie sehr schnell langweilig werden, und zweitens sind diese Aufgaben oft sogar schwierig und gefährlich für uns Menschen. Wir sollten wissen, dass die Robotik in letzter Zeit als Teil des großen Themas KI betrachtet wird. Roboter sind nicht klassischerweise KI-fähig oder kognitiv, aber ich spreche hier von Robotern mit integrierter KI in ihnen. Kognitive Roboter können für alle Arten von sich wiederholenden und schwierigen Aufgaben oder sogar zur Rettung von Menschen in gefährlichen Situationen wie Bränden oder nach Überschwemmungen und Erdbeben eingesetzt werden. Diese Art von Aufgaben wollten die Menschen schon immer automatisieren. Intelligente Mehrzweckroboter könnten sich auch um ältere Menschen kümmern. Während der Pandemie Covid 19 hätten Roboter bei der Untersuchung von Menschen und in Krankenhäusern helfen können, um den Patienten zu helfen.
Ist künstliche Intelligenz mit dem maschinellen Lernen in der Robotik verknüpft? Und wie?
Maschinelles Lernen ist ein Teilbereich der künstlichen Intelligenz. KI ist ein umfassender Begriff, aber wenn Wissenschaftler von maschinellem Lernen und Deep Learning sprechen, beziehen sie sich auf bestimmte Aspekte der KI. Mit maschinellem Lernen und Deep Learning entwickeln wir Algorithmen und mathematische Werkzeuge, die vorhersagbar und trainierbar sind und beispielsweise für den Bau kognitiver Roboter verwendet werden können.
Können Sie einen Einblick in einige Erfolge geben, die Sie und Ihr Team für unsere kognitiven Robots erzielt haben?
Wir haben uns in den letzten drei Jahren in einem kurzen Zeitraum stark entwickelt. Durch den Einsatz einer 3D-Kamera können wir beispielsweise viele Objekte vor dem Roboter erkennen oder auch leicht neue Objekte trainieren. Der Roboter kann auch beliebige Objekte unterscheiden, auswählen und selektiv aufheben. Unsere Roboter können selektiv ein bestimmtes Objekt auswählen, z. B. Glas statt Klebeband oder eine Wasserflasche. Wir können einen vollständig individualisierten Greifvorgang trainieren, indem wir ihn dem Roboter zeigen, ohne eine einzige Zeile Code schreiben zu müssen. Das bedeutet, dass der Roboter nicht nur jedes beliebige Objekt greifen kann, sondern auch von einem bestimmten Winkel oder Punkt aus. Wenn zum Beispiel eine Glastasse auf dem Tisch steht, muss der Roboter wissen, wie er sie greifen und richtig auf den Tisch stellen kann. Wir entwickeln und verbessern ständig alles, was wir erreicht haben. Außerdem können wir alle unsere KI-Tools offline ausführen, da die Methoden alle in die Robotersteuerung integriert und optimiert sind. Alles lokal auf dem Roboter auszuführen ist sicher und gewährleistet, dass die Daten auf dem Roboter nicht über das Internet abgerufen werden können. Stellen wir uns vor, man könnte einen Computer offline betreiben – genau das haben wir möglich gemacht. Unsere Roboter verfügen über Sprach- und Gestensteuerung und können auf Benutzer reagieren oder sogar einen Witz erzählen. Ich möchte noch einmal betonen, dass ich hier nicht auf die technischen Details eingehe, sondern mich darauf konzentriere, Beispiele zu bringen, die für jeden verständlich sind.
Was sind die Bestandteile unserer Roboter, die ihnen kognitive Fähigkeiten verleihen?
Der erste Teil, der den Roboter kognitiv macht, sind die integrierten Sensoren. Roboter sollten in der Lage sein, ihre Umgebung wahrzunehmen, die Umwelt zu sehen und zu reagieren, wenn sie angesprochen werden. Die 3D-Kamera, das Mikrofon und spezifische Technologien, die wir selbst entwickelt haben, wie die berührungslose, sichere Menschenerkennung, sind ein Muss für einen kognitiven Roboter. Die optimierte Verarbeitungssoftware und -hardware wird eingesetzt, um die Daten zu verstehen, und die Sensoren sammeln ständig Daten, lernen und passen sich an.
Was sind deine Pläne für die Zukunft der Roboter bei NEURA Robotics?
Cloud-Lösungen sind eine fantastische Chance für unsere Roboter, und wir forschen und entwickeln in diese Richtung. Wir warten nicht darauf, dass andere eine Lösung für die Zukunft finden, sondern wir gestalten unsere Zukunft jetzt. Darüber hinaus arbeiten wir auch an anderen Projekten, die ich nicht erwähnen kann, aber eine andere Sache, an der wir arbeiten, sind Techniken des kontinuierlichen Lernens, die wir verbessern, so dass unser Roboter ständig von menschlichen Handlungen lernt. Das ist wirklich ein großer Schritt. Wir arbeiten an einer neuen Generation von Servicerobotern, die in Büros oder in unseren Wohnungen eingesetzt werden können.
Wie kann man die Intelligenz von Robotern testen? Gibt es eine Möglichkeit, ihre Intelligenz zu messen?
Es kann praktisch sein, wenn wir zum Beispiel sehen wollen, dass der Roboter uns versteht, können wir mit dem Roboter sprechen, und er wird antworten. Außerdem verfügen wir über eine Prüfsoftware, in der wir mit Hilfe des maschinellen Lernens eine Menge Daten gespeichert haben. Dieser Datensatz wird in einen Trainingssatz und einen Test- oder Evaluierungssatz unterteilt. Mit diesen Sets testet man, ob das, was man gemacht hat, richtig ist oder nicht. Es gibt mindestens zwei Arten von Tests: qualitative und quantitative. Qualitatives Testen ist die praktische Form des Testens, während letzteres quantitativ ist, d. h. man kann viele Testprogramme durchführen, aber sie müssen korrekt ausgeführt werden. Wir haben viele Testcodes, die normalerweise mit jedem Softwaremodul entwickelt werden.
Wie sieht deiner Experteneinschätzung nach die Zukunft der Robotikindustrie mit künstlicher Intelligenz aus?
Die Zukunft hält enorme Möglichkeiten bereit. Das Spannende, aber auch Herausfordernde ist die Tatsache, dass wir alle kognitiven Fähigkeiten in unseren Robotern haben können. Das Ziel ist es, Menschen bei sich wiederholenden, langweiligen oder gefährlichen Aufgaben zu helfen. Roboter, die den menschlichen Arbeitern in allen Bereichen helfen werden, so wie wir heute überall Telefone sehen. Dies ist das einfachste, aber leicht verständliche Beispiel, denn ich bin sicher, dass sich jeder an die Zeit erinnert, als es noch keine Telefone oder nur wenige nicht intelligente Telefone gab, aber jetzt können wir nicht ohne sie leben. Deshalb sehe ich eine Zukunft, in der wir ohne intelligente Roboter nicht mehr leben können, weil sie uns das Leben erleichtern werden. Sie können uns zu Hause, in Fabriken, Krankenhäusern, Pflegeheimen, Schulen und überall sonst helfen. Um Roboter zu bedienen und mit ihnen zu interagieren, brauchen Menschen keine anderen Fähigkeiten als das normale Sprechen, Zeigen oder Erklären. Wir arbeiten an der Entwicklung von Robotern, die vielseitig sind und alles können. Das ist meine Vision für die Robotikbranche.
Mehr über unsere Technologien hier.
Whitepaper über Kognitive Roboter hier downloaden.
