Ilmenau-forskere utvikler sikker bruk av AI i kritiske systemer

Ilmenau-forskere utvikler sikker bruk av AI i kritiske systemer

Det tekniske universitetet i Ilmenau har integrert seg i en banebrytende forskningsgruppe av German Research Foundation (DFG) som tar for seg utfordringene ved maskinlæring. Målet deres er å øke sikkerheten, ytelsen og dataeffektiviteten til denne teknologien. Fokuset er spesielt på komplekse kontrollsystemer og sikkerhetskritiske applikasjoner som dekker essensielle områder som elektriske energisystemer, autonom kjøring og robotikk. Ilmenau matematikkprofessor Karl Worthmann skal lede grensesnittet mellom maskinlæring og matematisk presisjon.

Forskningsprosjektet, som er koordinert av Leibniz University Hannover, startet i slutten av april med en internasjonal workshop. Nesten 3,5 millioner euro i finansiering vil bli gjort tilgjengelig for de neste fire årene, hvorav 486 400 euro vil gå direkte til TU Ilmenau. Dette initiativet fremhever den sentrale rollen til maskinlæring i utviklingen av kunstig intelligens og grensene som tradisjonelle systemer når når det gjelder sikkerhetskrav under pågående operasjoner.

Integrasjon i industrien

Et annet viktig aspekt ved dagens utvikling er integreringen av maskinlæring i industrielle applikasjoner. Et nyetablert internt kurs med tittelen "Machine Learning for sikkerhetskritiske applikasjoner i industrien" tar sikte på å ta hensyn til spesifikke sikkerhetsprinsipper. Dette gjøres under hensyntagen til eksisterende og fremtidige standarder for kunstig intelligens samt bransjespesifikke standarder.

Treningsdeltakere lærer om effekten av maskinlæring på funksjonell sikkerhet. Dette inkluderer også anvendelse av nøkkelbegreper som robusthet, skjevhet og prediksjonssikkerhet samt utvikling av en prosjektspesifikk sikkerhetslivssyklus. Ingeniører som trenger å integrere AI i produksjonsprosesser og gi sikkerhetsbevis er blant målgruppen for denne opplæringen. Programmet gir et strukturert rammeverk og et omfattende verktøysett for sikker bruk av maskinlæring.

Teknologisk grunnleggende

Det grunnleggende elementet som støtter maskinlæring er nevrale nettverk, en undergruppe av denne teknologien. Nevrale nettverk er sterkt inspirert av forbindelsene mellom nerveceller i den menneskelige hjernen. Disse kunstige nettverkene består av flere lag med datanoder koblet sammen med vektede forbindelser. Ved å presentere data gjentatte ganger lærer det nevrale nettverket å klassifisere informasjonen mer effektivt.

Justeringen av vektene mellom nevronene skjer kontinuerlig, noe som gjør den opprettede modellen anvendelig for ukjente data. En spesiell type nevrale nettverk er de såkalte "dyp nevrale nettverk". Disse nettverkene kan inneholde hundretusener eller til og med millioner av lag med nevroner, noe som gjør det mulig å løse stadig mer komplekse problemer gjennom dyp læring. Kontinuerlig opplæring og tilpasning av koblinger er avgjørende for å lykkes med disse læringsprosessene.

Oppsummert kan det sies at det tekniske universitetet i Ilmenau og dets partnere gir et betydelig bidrag til videreutvikling av maskinlæring og sikker anvendelse på kritiske områder gjennom innovative tilnærminger og opplæringsprogrammer.

For mer informasjon om forskningsgruppen ved TU Ilmenau, besøk tu-ilmenau.de. Du kan finne detaljert innsikt i intern opplæring på iks.fraunhofer.de og tilleggsinformasjon om kunstig intelligens og nevrale nettverk på iks.fraunhofer.de.