Einsatz künstlicher Intelligenz zur Verbesserung komplexer Systeme

Forschende der EPFL haben eine Methode entwickelt, mit der sie automatisch herausfinden können, welche Daten in ein komplexes System – wie zum Beispiel ein Glasfasernetz – eingegeben werden müssen, um das gewünschte Ergebnis zu erzielen. Ihre Lösung könnte sich besonders in der Robotik, der Medizin und der Bildprojektion als nützlich erweisen.
© 2020 EPFL/LAPD

In jedem System braucht man eine Art Input und Output, und dazwischen findet eine Aktion statt. Aber wenn diese Aktion besonders komplex ist oder grosse Mengen synchronisierter Daten erfordert, woher wissen Sie dann, welcher Input erforderlich ist, um den richtigen Output zu erhalten? Forschende des Labors für angewandte Photonik (LAPD) und des Optiklabors (LO) der EPFL haben eine Lösung gefunden. Sie haben einen Algorithmus entwickelt, der bestimmen kann, welche Daten in ein Glasfasernetz eingespeist werden müssen, um am anderen Ende das gewünschte Ergebnis zu erhalten. Ihre Forschung wurde soeben in der Zeitschrift Nature Machine Intelligence veröffentlicht.

Die Forschenden entwickelten ein Bildprojektionssystem, um ihre Technik zu demonstrieren. In einem labyrinthartigen Netzwerk von Lasern gehen Lichtstrahlen von einer Lupe zur nächsten und von einer Faser zur nächsten und nehmen dabei kodierte Informationen mit. Am anderen Ende werden die Informationen auf einem kleinen Bildschirm decodiert, auf dem eine Reihe grüner Bilder erscheinen – ein galoppierendes Pferd, eine umherirrende Person und ein seltsamer Geist.

«Glasfaseroptik ist ein komplexes System», erklärt Babak Rahmani, Doktorand im LAPD-Labor. «Ohne unseren Algorithmus müssten die Informationen, die zur Erstellung jedes Bildes benötigt werden, jedes Mal neu berechnet werden. Aber mit unserem Algorithmus lernt das System automatisch, wie dies zu bewerkstelligen ist.»

Die lustigen Animationen der Forschenden veranschaulichen lediglich die zahlreichen Anwendungsmöglichkeiten ihrer Lösung in einer Reihe von Bereichen. «Sie könnte dazu verwendet werden, einem Roboterarm dabei zu helfen, eine bestimmte Geste zu erlernen und sie zu steuern», sagt Christophe Moser, der das LAPD-Labor leitet. In der Medizin könnte er endoskopische Techniken verbessern, bei denen Laser eingesetzt werden, um eine bestimmte Wirkung auf bestimmte Körperteile zu erzielen.

Und im weiteren Sinne könnte der Algorithmus es einfacher machen, Licht zu projizieren oder einen Effekt oder eine Aktion ferngesteuert auszulösen oder 3D-Bilder und Hologramme zu erstellen.

Zwei sind besser als einer

Die Erfindung beruht auf dem Prinzip der künstlichen neuronalen Netze. «Diese sind von biologischen neuronalen Netzen und dem menschlichen Gehirn inspirierte Computersysteme», sagt Demetri Psaltis, Leiter des Optik-Labors und ein Experte auf diesem Gebiet. Sie bilden die Grundlage der künstlichen Intelligenz und ermöglichen den Systemen, in denen sie eingesetzt werden, maschinelles Lernen.

Die Technik der neuronalen Netze selbst ist nicht neu. Was die Arbeit der Forschenden an der EPFL originell macht, ist, dass es sich um zwei Systeme handelt, die zusammenarbeiten. «Es ist ein bisschen so, wie wenn man Tennis spielen lernt», sagt Psaltis. «Zuerst lernt man nur, wie man den Ball schlägt. Sobald man den Dreh raus hat, geht man zu schwierigeren Schlägen über wie der Rückhand, dem Überkopfball und dem Volley. Unser Algorithmus funktioniert auf dieselbe Weise.»