Wie Uber klüger werden möchte
Der rasant wachsende Fahrten-Vermittler Uber setzt konsequent auf autonome Autos: Nach der Übernahme des Start-ups Geometric Intelligence will er ein eigenes Labor für Künstliche Intelligenz einrichten.
- Will Knight
Uber richtet ein neues Labor für Forschung an Künstlicher Intelligenz (KI) ein, um Fortschritte bei Maschinenlernen für sein Geschäft zu nutzen.
Das Labor wird im Silicon Valley ansässig sein und geleitet von Gary Marcus, Professor an der New York University und CEO von Geometric Intelligence, einem Unternehmen, das Uber für einen ungenannten Betrag übernimmt. Mit Zoubin Ghahramani wird noch ein weiterer bekannter KI-Forscher für das Uber-Labor tätig sein; er ist nebenbei Teilzeit-Professor an der University of Cambridge. Weitere Mitgründer von Geometric Intelligence sind Ken Stenley, Associate Professor an der University of Central Florida, und Doug Bemus, ein PhD in Neurolinguistik von der New York University.
Insgesamt soll das Uber-Labor 15 Gründungsmitglieder haben und sich mit einer Reihe von grundlegenden Herausforderungen beschäftigen. Dazu zählen Maschinenlernen mit weniger Daten, das Training von KI-Systemen nicht nur mit Daten, sondern auch mit expliziten Regeln, und Maschinenlern-Systeme, die ihre Entscheidungen erklären können. Fortschritte in diesen Bereichen könnten autonome Autos entscheidend voranbringen. Gleichzeitig könnten sie aber auch das bestehende Geschäft von Uber stärken, indem sie zum Beispiel die Routenführung oder das Matching in Kundenpools verbessern.
Uber-CEO Travis Kalanick hat die Pläne für die neue Division namens Uber AI Labs Anfang Dezember in einem Blog-Beitrag vorgestellt. Die Motivation dafür war die zunehmende Bedeutung von KI für Uber. „Bis autonome Autos mit allen in der Welt möglichen Szenarien zurechtkommen, wird noch viel Zeit vergehen“, sagt Jeff Holden, Chief Product Officer des Unternehmens. Fortschritte bei Maschinenlernen würden „uns in die Lage versetzen, radikal andere Dinge zu tun“. Die Frage, so Holden, sei nur: „Welche Rolle kann Uber dabei spielen?“.
Seit der Gründung im Jahr 2009 ist Uber in atemberaubendem Tempo gewachsen und hat mit seiner Smartphone-App das Taxi-Geschäft in den USA und anderen Ländern auf den Kopf gestellt. In jüngerer Vergangenheit investiert das Unternehmen massiv in Forschung zu Themen wie autonomen Autos. Damit will es sein schnelles Wachstum sichern, eine Disruption durch Konkurrenten verhindern und angesichts wachsender Verluste sein Image bei den Investoren aufpolieren. Der Schwerpunkt der Forschung liegt auf Hardware und Software für autonomes Fahren, doch Uber ist auch bei flugfähigen Autos und Werbung mit Drohnen aktiv.
Labor-Chef Marcus ist in der Welt der Künstlichen Intelligenz gut bekannt. Mit seiner Kritik an der verbreiteten Konzentration auf datenlastige Ansätze in diesem Fachgebiet hat er bisweilen Kontroversen ausgelöst. Geometric Learning gründete er, um weniger datenhungrige Möglichkeiten für maschinelles Lernen zu erkunden, unter anderem inspiriert von der Kognitionswissenschaft.
Wie Marcus erklärt, wird sich sein Team weiterhin auf Probleme konzentrieren, die sich mit den bisherigen Ansätzen nicht lösen lassen. „Wir sind besonders an Grenzfällen interessiert – was passiert, wenn das Licht anders ist oder wenn ein Auto auf ein unbekanntes Fahrzeug trifft? Wir werden sehr intensiv daran arbeiten“, sagt er.
Über die bisherige Arbeit bei Geometric Intelligence hat Marcus nicht viel verraten, und es gibt keine Veröffentlichungen des Unternehmens. Bekannt ist aber, dass sich das Team mit einer Form von Deep Learning beschäftigt, bei der weniger Daten gebraucht werden. Solche Ansätze könnten laut Marcus sowohl für das aktuelle Geschäft von Uber als auch für seine langfristigen Forschungsinteressen nützlich sein. „Es wird immer Fälle geben, in denen man nicht genügend Daten hat. Man kann zum Beispiel vielleicht gut voraussagen, was um 9 Uhr morgens passiert, aber was ist, wenn es für 2 Uhr morgens weniger Daten gibt?“, erklärt er. Bei autonomem Fahren gebe es gerade zu den Grenzfällen nicht viele Daten.
Darüber hinaus denkt Marcus daran, moderne KI-Verfahren wie Deep Learning, das in den letzten Jahren große Fortschritte gemacht hat, mit traditionellen zu verbinden, unter anderem solchen, die Maschinen explizite Regeln vorgeben. Dies könne für autonome Autos wichtig sein, denen man die lokalen Regeln für den Straßenverkehr beibringen muss.
(sma)
