Ilmenau-onderzoekers ontwikkelen het veilige gebruik van AI in kritische systemen

Ilmenau-onderzoekers ontwikkelen het veilige gebruik van AI in kritische systemen

De Technische Universiteit van Ilmenau heeft zichzelf geïntegreerd in een baanbrekende onderzoeksgroep van de Duitse Onderzoeksstichting (DFG) die zich bezighoudt met de uitdagingen van machinaal leren. Hun doel is om de veiligheid, prestaties en data-efficiëntie van deze technologie te vergroten. De focus ligt met name op complexe besturingssystemen en veiligheidskritische toepassingen die essentiële gebieden bestrijken zoals elektrische energiesystemen, autonoom rijden en robotica. Wiskundeprofessor Karl Worthmann uit Ilmenau zal leiding geven aan het raakvlak tussen machinaal leren en wiskundige precisie.

Het onderzoeksproject, dat wordt gecoördineerd door Leibniz Universiteit Hannover, begon eind april met een internationale workshop. Voor de komende vier jaar wordt bijna 3,5 miljoen euro aan financiering beschikbaar gesteld, waarvan 486.400 euro rechtstreeks naar de TU Ilmenau gaat. Dit initiatief benadrukt de centrale rol van machinaal leren in de ontwikkeling van kunstmatige intelligentie en de grenzen die traditionele systemen bereiken op het gebied van beveiligingsvereisten tijdens lopende operaties.

Integratie in de industrie

Een ander cruciaal aspect van de huidige ontwikkelingen is de integratie van machine learning in industriële toepassingen. Een nieuw opgerichte interne training met de titel “Machine Learning voor veiligheidskritische toepassingen in de industrie” heeft tot doel rekening te houden met specifieke veiligheidsprincipes. Hierbij wordt rekening gehouden met bestaande en toekomstige standaarden voor kunstmatige intelligentie en branchespecifieke standaarden.

Deelnemers aan de training leren over de effecten van machine learning op de functionele veiligheid. Dit omvat ook de toepassing van sleutelbegrippen zoals robuustheid, bias en voorspellingszekerheid, evenals de ontwikkeling van een projectspecifieke veiligheidslevenscyclus. Ingenieurs die AI in productieprocessen moeten integreren en veiligheidsbewijs moeten leveren, behoren tot de doelgroep van deze training. Het programma biedt een gestructureerd raamwerk en een uitgebreide toolkit voor het veilige gebruik van machine learning.

Technologische basisprincipes

Het fundamentele element dat machinaal leren ondersteunt, zijn neurale netwerken, een subset van deze technologie. Neurale netwerken zijn sterk geïnspireerd door de verbindingen tussen zenuwcellen in het menselijk brein. Deze kunstmatige netwerken bestaan ​​uit meerdere lagen dataknooppunten die met elkaar zijn verbonden door gewogen verbindingen. Door gegevens herhaaldelijk te presenteren, leert het neurale netwerk de informatie effectiever te classificeren.

Het aanpassen van de gewichten tussen de neuronen vindt continu plaats, waardoor het gecreëerde model toepasbaar is op onbekende gegevens. Een bijzonder type neurale netwerken zijn de zogenaamde “deep neurale netwerken”. Deze netwerken kunnen honderdduizenden of zelfs miljoenen lagen neuronen bevatten, waardoor steeds complexere problemen kunnen worden opgelost door middel van deep learning. Continue training en aanpassing van verbindingen zijn cruciaal voor het succes van deze leerprocessen.

Samenvattend kan worden gezegd dat de Technische Universiteit van Ilmenau en haar partners een belangrijke bijdrage leveren aan de verdere ontwikkeling van machinaal leren en de veilige toepassing ervan op kritieke gebieden door middel van innovatieve benaderingen en trainingsprogramma's.

Voor meer informatie over de onderzoeksgroep aan de TU Ilmenau, bezoek tu-ilmenau.de. Gedetailleerde inzichten over in-house training vindt u op iks.fraunhofer.de en aanvullende informatie over kunstmatige intelligentie en neurale netwerken op iks.fraunhofer.de.