Humanzentrierte Künstliche Intelligenz: Erklärendes interaktives maschinelles Lernen für Effizienzsteigerung von Parametrieraufgaben

Abstract

ZusammenfassungVerfahren der Künstlichen Intelligenz, insbesondere datenintensive Methoden des maschinellen Lernens, halten immer mehr Einzug in industrielle Anwendungen. Im Normalfall werden KI-Anwendungen meist als fertige Black-Box-Komponenten betrachtet, welche nicht in der Lage sind, mit Anwendern zu interagieren. Am Beispiel von Parametrieraufgaben werden wir die dadurch entstehenden Probleme beleuchten und aufzeigen, wie Anwender eingebunden werden können. Für erfolgreiche Interaktion mit menschlichen Anwendern ist es notwendig, deren besonderen Erwartungen und Limitierungen explizit zu berücksichtigen. Neue, menschzentrierte Algorithmen, deren Interaktionsschnittelle auf psychologischen Erkenntnissen basiert, müssen entwickelt und identifiziert werden.