Publikation
Hybride KI - Wissen und Daten kombiniert nutzen
Elsa Andrea Kirchner; Ute Schmid; Max Hösl; Birgit Obermeier
In: Lernende Systeme - Die Plattform für Künstliche Intelligenz, Pages 1-10, Plattform Lernende Systeme, 2023.
Zusammenfassung
Im Bereich der Künstlichen Intelligenz (KI) wird aktuell vor allem dem maschinellen Lernen (ML) mit neuronalen
Netzen (Deep Learning) große Aufmerksamkeit geschenkt. Grund dafür sind beeindruckende Ergebnisse,
die zuletzt etwa bei der automatischen Text- oder Bildgenerierung erzielt wurden. Diese Erfolge beruhen
im Wesentlichen auf großen Datenmengen, der Skalierbarkeit der Modelle und hohen Rechenkapazitäten.
Es entsteht leicht der Eindruck, dass jedes Ziel mit maschinellem Lernen erreicht werden kann, wenn
diese drei Faktoren verstärkt werden. Fundamentale Probleme großer KI-Modelle lassen sich jedoch nicht
durch weitere Skalierung lösen, hinzu kommt ihr großer Ressourcenverbrauch.
Zudem wird oft übersehen, dass es sich bei einigen der viel diskutierten erfolgreichen Anwendungen um so
genannte hybride KI-Systeme handelt. Diese kombinieren die Vorteile des maschinellen Lernens mit menschlichen
Wissensbeständen, die auf verschiedene Weise formal repräsentiert und von Computern verarbeitet
werden (siehe Tab. 3). Stößt eine der Herangehensweisen an Grenzen oder erzielt unerwünschte Ergebnisse,
so kann eine Kombination Lösungswege bieten.