Collaborative Interactive Learning

Grundlagen Kollaboratives Interaktives Lernen (Acronym: CIL)

Ausgangssituation

Technische Systeme lösen computerunterstützt immer komplexere Aufgaben. Während diese Systeme früher für bestimmte Aufgaben und Einsatzbedingungen entworfen wurden und zur Laufzeit auf diese Aufgaben und Bedingungen beschränkt waren, sind sie heute in der Lage, sich an neue Situationen anzupassen, von Beobachtungen zu lernen und sich selbst zu optimieren. Aus diesem Grund werden sie häufig als “smart” oder “intelligent”bezeichnet. Zukünftig wird es mehr und mehr Anwendungen geben, wo auch für selbst-lernende Systeme zur Entwurfszeit nicht mehr alle Daten bereitgestellt werden können, die sie zum Lernen benötigen, und wo eine simple Adaption (z. B. von Parametern) zur Laufzeit nicht ausreicht. Gründe hierfür sind z. B. die benötigte Datenmenge, der zur Beschaffung erforderliche Zeitaufwand oder finanzielle Kosten und insbesondere die Tatsache, dass diese Systeme zur Laufzeit mit Situationen konfrontiert werden, die zur Entwurfszeit nicht bekannt waren (vielleicht sogar in ihrer Art grundsätzlich nicht bekannt sein konnten). Benötigt wird daher eine ganz neue Art “smarter” Systeme mit lebenslanger Lernfähigkeit (entsprechend der gesamten Nutzungsdauer des Systems) in unsicheren und zeitvariaten (veränderlichen) Umgebungen. Diese Systeme müssen hochgradig autonom agieren, indem sie ihr eigenes Wissen bewerten, sich selbständig Informationsquellen (Menschen, andere Systeme, Internet etc.) beschaffen bzw. sich mit ihnen verbinden, Informationen anderer bewerten (z. B. hinsichtlich Aktualität) und dabei unterschiedliche maschinelle Lernverfahren nutzen (z. B. Collaborative Learning oder Active Learning). 


Projektziele

Ziel des Projekts ist die Erforschung einer Klasse grundlegend neuer Technologien zur Entwicklung oben skizzierter Systeme, die wir als Collaborative Interactive Learning (CIL) bezeichnen. Diese maschinellen Lernverfahren sind “kollaborativ“ in dem Sinn, dass mehrere Systeme untereinander und mit Menschen kooperieren, um gemeinsam Probleme zu lösen (auch solche, die alleine nicht gelöst werden können). Sie sind auch “interaktiv”, da es aktiv angeregten und geregelten Wissens- und Informationsfluss nicht nur zwischen diesen technischen Systemen, sondern auch zwischen Systemen und Menschen in unterschiedlicher Weise geben wird. Weiter unterscheiden wir bei CIL eine dedizierte ( dedicated, D-CIL ) und eine opportunistische Variante ( opportunistic, O-CIL ). Bei D-CIL sind Lernprozess, Aufgabe und beteiligte Gruppe von Menschen und Systemen klar definiert. Bei O-CIL sind sie Aufgaben variabel und Gruppen für heterogene Teilnehmer offen; die Systeme nutzen alle Informationsquellen, auch wenn diese sehr ungenau und vielleicht nur sporadisch verfügbar sind. Die leitende wissenschaftliche Fragestellung des Projekts ist somit definiert durch die Notwendigkeit, für CIL (bzw. D-CIL und O-CIL) völlig neuartige Konzepte, Technologien und Mechanismen in mehreren Wissenschaftsbereichen zu entwickeln und zu erforschen. Potentielle Anwendungen von D-CIL bzw. O-CIL wurden in vielen Bereichen identifiziert: voneinander lernende cyber-physische Systeme, Teams von autonomen Robotern, kooperierende autonome Fahrzeuge, verteilte Systeme zur Angriffserkennung in Rechnernetzen, Gestaltung von Zusammenarbeitsmechanismen zur Lösung von Aufgaben unter Einsatz von Mechanismen des Collaboration Engineering, Crowdsourcing zur Nutzung der Expertise einer undefinierten Masse von Menschen etc.


Projektbeteiligte

  • Fachgebiet Maschinelles Lernen (Prof. Dr. Bernhard Sick) – Universität Kassel
  • Fachgebiet Wirtschaftsinformatik (Prof. Dr. Jan Marco Leimeister) – Universität Kassel
  • Fachgebiet Wissensverarbeitung (Prof. Dr. Gerd Stumme) – Universität Kassel


Praxis- und Valuepartner

  • Fachgebiet Eingebettete Systeme (Prof. Dr. Paul Lukowicz) – Deutsches Forschungszentrum für Künstliche Intelligenz & TU Kaiserslautern
  • Fachgebiet Mensch-Maschine-Schnittstelle (Prof. Dr. Albrecht Schmidt) – Universität Stuttgart
  • Fachgebiet Sozioinformatik (Prof. Dr. Katharina Anna Zweig) – TU Kaiserslautern


Förderung

Das Projekt „Grundlagen Kollaboratives Interaktives Lernen“ wird durch das Förderprogramm zur weiteren Profilbildung in der Universität Kassel 2017 bis 2022 - Programmline „Zukunft“ durch die Universität Kassel gefördert.