06 Planning

Traditionell zielen die Aktivitäten der KI-Forschung primär darauf ab, Technologien zu entwickeln, die  es maschinellen Systemen ermöglichen, menschliche Kognitionsleistungen auf intelligente Art und Weise zu simulieren.  Nachdem wir im Rahmen dieser Woche bereits auf diverse Sub-Probleme dieser „Mammut-Herausforderung“ eingegangen sind (siehe Perception, Reasoning, NLP, Knowledge), steht an dieser Stelle die Planungsproblematik künstlicher Intelligenz im Fokus.

Als „Planning“ bzw. automatisierte Planung wird jener Teilbereich der KI bezeichnet, der sich mit der Realisierung von Strategien und spezifischen Handlungssequenzen beschäftigt, die im Alltag durch intelligente Agenten, Robotersysteme oder autonome Fahrzeuge ausgeführt werden.

Intelligente Systeme sollen dazu in der Lage sein, eigenständig Ziele zu formulieren und diese entsprechend zu erreichen. Stuart Russell (Professor für Informatik an der University of California, Berkeley) und Peter Norvig (Forschungsdirektor bei Google) zufolge, lassen sich automatisierte Planungsprozesse in zwei grundlegende Phasen unterteilen:

 

1. Die Zielformulierung: Basierend auf dem aktuellen „Umgebungs- bzw. Weltzustand“ wird ein Ziel definiert. Ein Ziel bedeutet hier eine klar definierte Menge von Weltzuständen, bei der alle oder ein bestimmtes Zielprädikat als erfüllt eingestuft werden können (Mögliche Zielanordnung: Holzklötze sollen von einem Roboter nach Farbe sortiert werden).

2. Die Problemformulierung: Nachdem bekannt ist, welche Ziele angestrebt werden sollen, wird in der Problemformulierung festgelegt, welche Aktionen und Weltzustände betrachtet werden sollen (Hier ist die konkrete Aktionenfolge - die jeweiligen Roboteraktionen - zur Herstellung der Zielanordnung gesucht).

 

Aus diesen Problemformulierungen lassen sich konkrete Aktionsfolgen ableiten, die Agentensysteme, also Computerprogramme, ausführen können. Die zu autonomem Verhalten fähigen Systeme erreichen somit die zuvor definierten Zielsetzungen.

Im Rahmen von klassischen Planungsproblemen können diese Agentensysteme davon ausgehen, dass sie alleine auf ihre Umwelt einwirken. Folglich besteht für das System absolute Klarheit im Hinblick auf die Konsequenzen seiner Handlungen (man denke an ein autonomes Fahrzeug auf einer barrierefreien Teststrecke ohne weitere Verkehrsteilnehmer). Wenn der intelligente Agent jedoch nicht der einzige Akteur ist (man denke an ein autonomes Fahrzeug im Straßenverkehr), muss das System kontinuierlich erfassen, ob die Realität der Außenwelt mit den jeweiligen Vorhersagen übereinstimmt. Gegebenenfalls muss das Programm dazu in der Lage sein, eigenständig den Plan zu ändern, sollte dies notwendig werden (z.B. die drohende Kollision mit einem anderen Verkehrsteilnehmer). Die technologische Herausforderung besteht folglich darin, es maschinellen Systemen zu ermöglichen, zielführende Entscheidungen unter großer Unsicherheit zu treffen (bspw. die Fahrgäste im Berufsverkehr sicher von A nach B zu bringen).

An komplexen Planungsproblemen mangelt es dabei nicht. Deren maschinelle Lösung erfordert Expertise aus verschiedenen Fachdisziplinen wie der Robotik, der Kontroll- bzw. Entscheidungstheorie und der künstlichen Intelligenz. Ein enormes Potenzial von intelligenten Planungsalgorithmen zeichnet sich bereits ab, da diese in diversen Industriezweigen in der Lage sind, erhebliche Produktivitätssteigerungen zu erzielen.

 

In den nächsten Wochen wird es  auf der Open-Innovation-Plattform um die Fragestellung gehen, wie Planning-Algorithmen in den Anwendungssektoren Bildung, Gesundheit, Energie, Verkehr und Verwaltung zur intelligenten Vernetzung und effizienten Problemlösung beitragen können. Sind Ihnen bereits Best Practice Beispiele bekannt bzw. sehen Sie mögliche Anknüpfungspunkte?

 

 

Quellen

Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2.

http://hubbucket.co/research/artificial-intelligence-ai/

https://users.ics.aalto.fi/rintanen/planning.html

11.06.2017
  • künstliche intelligenz
  • planning

Kommentare

Diskutieren Sie mit der Community auf der Open-Innovation-Plattform