Human in the Loop: der Mensch in der Maschine

Human in the Loop ML

Der Mensch in der Maschine – ein Schlagwort, das aus Science-Fiction-Romanen des frühen 20. Jahrhunderts bekannt ist. Worum es bei diesem Begriff im 21. Jahrhundert geht, ist klar: Es geht um Künstliche Intelligenz. Die Entwicklung und das Training von KI erfordern an vielen Stellen das Eingreifen natürlicher Intelligenz: Human in the Loop. In dieser Schleife agiert der Mensch ähnlich wie ein Lehrer.

KI benötigt Anleitungen

Die große Vision, die hinter Künstlicher Intelligenz steht, ist das unabhängige Lernen von Programmen. Software entwickelt sich selbstständig fort, lernt Neues und wendet diese Erkenntnisse in der Praxis an. Aber bevor es so weit ist, benötigt jedes System ein Training. Es ist wie in der Schule: Wenn der Schüler Fehler macht, greift der Lehrer ein. Und der Schüler lernt daraus. Er wird in Zukunft ähnliche Fehler vermeiden. Gleiches gilt für Künstliche Intelligenz.

Was ist der Vorteil von Human in the Loop – abgekürzt HITL? Das Prinzip ist recht einfach:

  • Der Mensch hat bereits ein großes Reservoir an Erfahrungen. Er erkennt Fehler und weist auf diese hin. Der Mensch allein hat die Fähigkeit, auch intuitiv richtig zu entscheiden.
  • Die Maschine punktet mit ihrer unfassbaren Geschwindigkeit und dem schnellen Zugriff auf große Datenmengen.
  • Die Kombination dieser beiden Merkmale optimiert das System.

Human in the Loop nutzt also die Verbindung von menschlicher und maschineller Intelligenz, um Modelle für maschinelles Lernen zu erstellen. Mensch und Maschine Hand in Hand: Der Mensch ist unschlagbar darin, vernünftige Entscheidungen auf einer geringen Datenbasis zu treffen. Maschinen greifen dagegen auf eine gigantische Datenmenge zu. Ihr Vorteil liegt in der Präzision.

Human in the Loop in der Praxis

Wie sieht die Interaktion zwischen Mensch und Maschine in der Praxis aus? Human in the Loop funktioniert auf verschiedene Arten. So spielt der menschliche Faktor bereits beim Erstellen von Trainingsdaten eine Rolle. Beim überwachten Lernen (Supervised Learning) ist dies bereits seit Langem gängige Praxis:

  • Menschen markieren Input-Daten, um die Maschine zum Lernen anzuregen.
  • Menschen bewerten die Output-Daten, um den Algorithmus ständig anzupassen und zu verbessern.

Human in the Loop ist dabei eine kontinuierliche Feedback-Schleife, die auch nach dem Entwickeln eingesetzt wird. Das Konzept beruht auf einem Kreislauf. Das Programm hört nie mit dem Lernen auf. Es entwickelt sich anhand der Reaktionen der User ständig weiter.

Einsatzbereiche von Human in the Loop

Human in the Loop lässt sich in zwei Bereichen der Arbeit mit Künstlicher Intelligenz effizient einsetzen:

  • Für das Training: Vor der Marktreife oder dem konkreten Einsatz optimiert der Mensch in der Maschine das Lernen Künstlicher Intelligenz.
  • Zum Abstimmen und zum Fein-Tuning: Bereits bestehende KI-Systeme erhalten durch den menschlichen Faktor eine größere Genauigkeit.

Das Konzept Human in the Loop kann für vielfältige KI-Projekte eingesetzt werden. Dazu gehören NLP (Natural Language Processing), Computer Vision, Sentiment Analysis und eine Vielzahl anderer Anwendungsfälle. Jede Deep-Learning-KI kann von einer gewissen menschlichen Intelligenz profitieren, die an irgendeinem Punkt in die Schleife eingefügt wird.

Tipp:

Menschlicher Input für KI gesucht? Über clickworker können Sie KI-Trainingsdaten von Menschen erstellen, labeln und auch validieren lassen.

KI-Trainingsdaten

Ein Beispiel ist das automatische Kennzeichnen bestimmter Objekte auf Bildern. Das Programm soll das erkannte Objekt (zum Beispiel eine Ampel) mit einer Box kennzeichnen. Beim Training kann sich der Lehrer direkt auf schwierige Fälle konzentrieren und dem Programm durch seine Reaktionen weiterhelfen: Er kennzeichnet bei fehlerhaften Ausgaben selbst das Objekt.

Je größer die Datenmenge, umso schneller wirkt sich eine Konzentration auf die Zweifelsfälle aus. Das System wird dadurch in die Lage versetzt, ähnlich komplizierte Fälle zunehmend selbstständig zu lösen. Nach und nach führt die Schleife von Output und Reaktion zu immer besseren Ergebnissen.

Mensch oder Maschine? Das Vertrauensniveau entscheidet

Human in the Loop ist ein Kreislauf (Loop). Das System verbessert sich ständig, indem es an kritischen Punkten Kontrollen erlaubt und aus den Reaktionen auf Entscheidungen neue Erkenntnisse gewinnt.

Doch an welchen Stellen soll der Mensch eingreifen? Die Beantwortung dieser Frage hängt davon ab, für welches Vertrauensniveau man sich entscheidet. Wie hoch soll die Messlatte liegen, bei denen fehlerhafte Entscheidungen nicht mehr akzeptiert werden?

  • Unterhalb eines gewissen Vertrauens-Levels ist es dem Menschen erlaubt, durch ein Feedback den Algorithmus zum weiteren Lernen zu animieren.
  • Was in den Bereich des Vertrauens fällt, wird weiterhin dem System überlassen.
  • Bei fortschreitender Entwicklung verbessert sich das Programm immer mehr. Dadurch erhöht sich auch die Messlatte. Im Idealfall ist am Ende keine menschliche Korrektur mehr nötig.

Hinter HITL steht der Gedanke, dass Mensch und Maschine zusammenarbeiten. Ein ständiges Feedback fördert die kontinuierliche Optimierung von Algorithmen.

Fazit

Human in the Loop ist ein Konzept, das entscheidend zur Verbesserung von Artificial Intelligence beiträgt. Denn das Hauptproblem bei der Entwicklung von KI-Systemen ist oft der Mangel an Trainingsdaten. Hier setzt HITL ein: Der Mensch im Ablauf des Programms füttert den Algorithmus mit richtigen Ergebnissen, die auf natürlicher Intelligenz beruhen. Dieses Prinzip kann innerhalb gewisser Grenzen den Mangel an Datenmaterial ausgleichen. Nach und nach adaptiert das System die Struktur dieser Entscheidungen und wird ständig lernfähiger. Das trägt erheblich zur Qualität von Künstlicher Intelligenz bei.

 

avatar

Jan Knupper