{{{sourceTextContent.title}}}

Wie künstliche Intelligenz einen "Augmented Worker" schafft

{{{sourceTextContent.subTitle}}}

Deepomatic wurde vor vier Jahren gegründet und ist ein französisches Unternehmen, das Software für künstliche Intelligenz entwickelt, die die Entwicklung von Bilderkennungssystemen ermöglicht

{{{sourceTextContent.description}}}

Ihr Ziel? Einen "erweiterten Arbeiter" zu schaffen, der sich auf die interessantesten und wertvollsten Aufgaben konzentrieren kann, während die Maschine die einfachsten Fälle bewältigt, in denen kein hohes Maß an Fachwissen erforderlich ist. Die Idee ist es, ein System zu schaffen, das die Halbautomatisierung von sich wiederholenden und visuellen Aufgaben ermöglicht, wobei ein Mensch letztlich an der Spitze des Projekts steht. Célia Sampol, Chefredakteurin des E-Magazins MedicalExpo, sprach mit Augustin Marty, CEO von Deepomatic.

Aus dem Französischen von Monica Hutchings

Célia Sampol: Sie sagen, dass die Bilderkennung die ausgereifteste Technologie der künstlichen Intelligenz ist, die es heute gibt. Warum ist das so und wie funktioniert es?

Augustin Marty: Wir sind spezialisiert auf die Bild- und Videoerkennung. Aus technologischer und wissenschaftlicher Sicht ist dies der Bereich, in dem die künstliche Intelligenz in den letzten Jahren die bedeutendsten Durchbrüche erzielt hat. Die Methodik besteht darin, relativ große Datensätze, d.h. Bilder, zu sammeln, die wir mit Informationen anreichern, wie z.B. das Auffinden von Objekten an einem bestimmten Ort oder die Aussage, dass ein bestimmtes Bild einem bestimmten Element entspricht. Um dies zu erreichen, ist es notwendig, dass eine Person einen Teil ihres Wissens auf die Maschine überträgt. Wir holen uns dann diese Bilder und die dazugehörigen Informationen und trainieren ein Netzwerk von Neuronen, um die Aufgabe zu lernen, an der wir arbeiten. Dies gibt uns ein Netzwerk von Neuronen, die auf die jeweilige Aufgabe spezialisiert sind.

Célia Sampol: Mit welchen Bildern trainieren Sie die Maschine?

Augustin Marty: Sie entsprechen den Fällen, an denen wir arbeiten. Im medizinischen Bereich zum Beispiel sind wir hauptsächlich im Bereich der medizinischen Bildgebung tätig. Wir brauchen den Einsatz eines Arztes mit einem gewissen Sachverstand, der uns sagen kann, dass dieses oder jenes Element auf einem Ultraschall mit diesem oder jenem Organ übereinstimmt. Wir tun dies für eine große Anzahl von Bildern, und dann kann das System autonom sagen, dass es sich bei einem bestimmten Bild um ein bestimmtes Organ handelt. Dank der Bibliothek des Wissens, das das System erworben haben wird, wird es in der Lage sein, all dies zu verallgemeinern und dieses Wissen zu nutzen, um es auf neue Bilder anzuwenden. Es geht darum, aus Analogie zu lernen. Wir können dies wirklich mit der Ausbildung eines Menschen vergleichen; wir lehren ihm eine Vielzahl von Beispielen, damit er dann Elemente auf Bildern erkennen kann, die er selbst noch nie gesehen hat.

Célia Sampol: Besteht die Gefahr von Fehlern?

Augustin Marty: Ja, natürlich, es steckt keine Magie dahinter, also ist die Idee, dass ein Mensch immer die Kontrolle und das Bewusstsein für die Grenzen des Systems hat, das er schafft. Mit unserem System wird die Vorhersage, die die Maschine machen wird, immer von einem gewissen Vertrauen begleitet: Sie gibt uns eine Bewertung, die uns sagt, ob sie sich ihrer Interpretation mehr oder weniger sicher ist. Danach können wir Mechanismen einrichten, die sicherstellen, dass wir, wenn die Maschine nicht wirklich sicher ist, uns an die Meinung eines Arztes wenden können.

Célia Sampol: Wofür kann Ihr System verwendet werden?

Augustin Marty: In der Medizin ist es im Wesentlichen ein diagnostisches Hilfsmittel mit einem ständig anwesenden Arzt. Dies ermöglicht es dem Arzt, sich auf die kompliziertesten Fälle zu konzentrieren, die mehr Fachwissen erfordern, während die einfachsten Fälle der Maschine überlassen und schneller behandelt werden können. Aber in diesem Bereich befinden wir uns noch im Forschungsstadium und es wird noch nicht bei Patienten eingesetzt. Die eigentliche Herausforderung im medizinischen Bereich ist der Zugang zu Patientendaten, was logisch und verständlich ist, aber es bedeutet, dass es schwierig ist, Zugang zu einem großen Datenvolumen zu haben. Aber diese Technologie muss ein großes Datenvolumen aufnehmen, um zu funktionieren.

Célia Sampol: Und wofür kann es in anderen Bereichen eingesetzt werden?

Augustin Marty: Die heute am weitesten fortgeschrittene Anwendung, an der wir arbeiten, betrifft automatische Registrierkassen in der Großküche. In einer Betriebskantine zum Beispiel werden wir eine oder mehrere Maschinen mit Kameras installieren. Die Kunden kommen mit ihren Tabletts, die mit den verschiedenen Dingen gefüllt sind, die sie für ihr Essen ausgewählt haben. Die Kamera macht ein Foto von der Kassette und das System erkennt automatisch, was darauf ist und berechnet, wie viel die Person bezahlen muss.

Célia Sampol: Aber damit werden Menschenjobs abgeschafft...

Augustin Marty: Ja, es gibt definitiv direkte Auswirkungen auf die Beschäftigung, weil weniger Menschen an der Kasse arbeiten müssen, aber wir können dies auch als eine Möglichkeit sehen, den Linienfluss zu verbessern und Volumenspitzen besser abzufangen, da alle gleichzeitig zum Mittagessen gehen. Es ist möglich, die Anzahl der Maschinen zu erhöhen und sich leichter an Volumenspitzen anzupassen. Es wurde bereits in etwa zehn Restaurants in Frankreich eingesetzt, und wir versuchen, es anderswo zu entwickeln.

In der Industrie arbeiten wir auch an der Innenausstattung von Autos. So wird es beispielsweise eine Kamera im Inneren von Autos geben, um besser zu verstehen, was im Inneren des Autos passiert, und um eine Reihe zusätzlicher Dienstleistungen anzubieten, die derzeit mehr mit Komfort verbunden sind als alles andere. Ein typisches Beispiel ist, dass wir in der Lage sein werden, den Grad der Kleidung, den eine Person trägt, ob Mann oder Frau, sowie ihren Aktivitätsgrad zu erkennen und die Temperatur im Auto automatisch anzupassen.

Für die Sicherheitsbranche werden wir in der Lage sein, Videoüberwachungskameras intelligenter zu machen. Heute gibt es viele Kameras, die installiert sind, aber Teleoperatoren haben nicht unbedingt die Möglichkeit, alle Bänder in Echtzeit zu sehen. Die Idee ist also, ein System zu haben, das alle Videos in Echtzeit ansehen und einen Alarm auslösen kann, wenn es abnormales Verhalten wie einen Überfall, eine gewalttätige Bewegung oder jemanden, der ohnmächtig wird und allein auf dem Boden liegt, erkennt. Wie in der medizinischen Bildgebung ist dies auch eine Zusammenarbeit zwischen Mensch und Maschine, denn letztendlich ist es nicht die Maschine, die eine Entscheidung treffen wird, sondern der Mensch, der entscheidet, die Rettungsdienste zu alarmieren oder zu reagieren. Aber wir werden dieses oder jenes Ereignis dem Menschen zur Kenntnis bringen.

Wir sind auch im Transportbereich tätig. Was den öffentlichen Raum betrifft, so stehen wir jedoch vor einem großen Problem des Zugangs zu personenbezogenen Daten. Die Idee ist also, zunächst ein System zu schaffen, das Videobilder anonymisiert, d.h. die Gesichter auf diesen Videos verwischt, so dass Anwendungen dann halbautomatisch verlassene Taschen sowie verdächtiges, gefährliches oder gewalttätiges Verhalten erkennen können.

Célia Sampol: Besteht die Gefahr, dass der Mensch irgendwann von der Maschine, die er geschaffen hat, übertroffen wird?

Augustin Marty: Wir wollen Schnittstellen schaffen, die sehr einfach zu bedienen sind, damit Konzepte, die auf den ersten Blick sehr kompliziert sind, mit unserem Tool viel verständlicher werden. Die Idee ist, dass die Leute am Steuer des Projekts bleiben und sich der Grenzen des geschaffenen Systems bewusst sind. Wir wollen, dass die Menschen immer verstehen, was vor sich geht, damit sie die richtigen Entscheidungen treffen können.