News

KI Wissen

State-of-the-Art-Artikel veröffentlicht

Im Rahmen des Projekts KI Wissen wurde ein State-of-the-Art-Artikel veröffentlicht. Der Artikel umfasst Ansätze, Methoden und Referenzen aus den drei Kernbereichen Wissensintegration, -extraktion und -konformität und zeigt damit einen weitreichenden Wissensstand, der wichtige Hinweise und Richtungen für die weitere Arbeit im Projekt liefert.

Für den Artikel mit dem Titel "Knowledge Augmented Machine Learning with Applications in Autonomous Driving: A Survey" haben insgesamt 46 Autoren aus dem Projekt über 885 Referenzen zusammengetragen. Der Artikel gibt damit einen umfassenden Einblick in die bisherige Forschung zum Thema Wissen und KI.

Der Artikel beginnt mit einer kurzen Vorstellung der im Projekt verfolgten Anwendungsfälle: Wahrnehmung, Situationserkennung und Planung. Auf diese drei Anwendungsfälle wird in den jeweiligen Unterkapiteln zu den Ansätzen und Methoden nochmals Bezug genommen. Auf diese Weise wird neben einer allgemeinen Darstellung der Ansätze auch ein direkter Bezug der vorgestellten Methoden zum autonomen Fahren hergestellt.

Nach der Einführung und den Anwendungsfällen werden mögliche Formen der Wissensrepräsentation wie Wissensgraphen und Einbettungen erläutert. Es folgen Ansätze zur Integration, z.B. Erweiterung der Kostenfunktion durch Regularisierer und Constraints, neurosymbolische Integration, Datenerweiterung und Datenfusion. Ansätze zum Wissenstransfer, z.B. aus vortrainierten Modellen oder durch aktives Lernen, schließen den Bereich der Wissensintegration ab.

Im Bereich der Extraktion liegt der Schwerpunkt auf symbolischen Ansätzen, vor allem auf Methoden der Regelextraktion und auf Methoden, die eine auf natürlicher Sprache basierende Ausgabe liefern. Darüber hinaus werden Ansätze betrachtet, die visuelle Darstellungen (z.B. Heatmaps) zur Erklärung und Nachverfolgung von Entscheidungen liefern. Der Artikel schließt mit Methoden zur Wissenskonformität, insbesondere mit existierenden Methoden zur Abschätzung von Unsicherheiten und zur Bestimmung kausaler Zusammenhänge.

Der Artikel kann über arXiv abgerufen werden. Es ist geplant, den Artikel im Laufe des Projekts zu überarbeiten und neue Versionen zu erstellen, um einen aktuellen Überblick über die Forschung auf diesem Gebiet zu gewährleisten.

Bild: Unsplash / Patrick Tomasso