Musks neuer KI-Guru
Tesla hat von OpenAI einen Experten abgeworben, der für seine Kompetenz bei maschinellem Sehen und Verstärkungslernen bekannt ist. Beides könnte sehr dabei helfen, autonomes Fahren voranzubringen.
- Will Knight
Elon Musk hat einen neuen Leiter für die KI-Forschung bei Tesla eingestellt. Möglicherweise verbirgt sich dahinter ein Plan für eine vollkommen neue Herangehensweise an das Thema autonomes Fahren.
Ende Juni warb Musk Andrew Karpathy ab, einen Experten für maschinelles Sehen, Deep Learning und Verstärkungslernen. Er kommt von OpenAI, einer nichtkommerziellen Organisation, die von Musk und anderen finanziert wird, "um den Weg zu sicherer allgemeiner künstlicher Intelligenz zu entdecken und zu bereiten".
Karpathy, der offenbar direkt mit Musk zusammenarbeiten soll, ist ein kommender Star in der Welt der KI. Er hat zusammen mit Fei-Fei Li, die inzwischen Chefwissenschaftlerin bei Google Cloud ist, an der Stanford University studiert. In Technologie-Kreisen ist Li berühmt dafür, dass sie eine Bilder-Datensammlung entwickelt hat, die zu einem Durchbruch bei maschinellem Sehen beigetragen hat.
Viele Beobachter sehen Karpathys Kompetenz in diesem Bereich als entscheidenden Vorteil für Tesla an, und damit haben sie Recht. Als noch wichtiger für die Arbeit am Autopiloten bei Tesla könnte sich jedoch seine Erfahrung bei der Entwicklung von Systemen für Verstärkungslernen erweisen.
Die Inspiration für Verstärkungslernen kommt von der Art und Weise, wie Tiere lernen: Sie wiederholen Verhaltensweisen, die zu einem positiven Ergebnis führen. Das Verfahren hat sich bereits als leistungsfähige Methode erwiesen, um Computern Dinge beizubringen, die unmöglich zu programmieren wären. Es bildet auch den Kern von AlphaGo, einer Software der Alphabet-Tochter DeepMind, die gelernt hat, das alte Brettspiel Go besser zu beherrschen als jeder Mensch.
Viele Unternehmen im Automobil-Umfeld, darunter Google, Uber und Mobileye, das vor kurzem von Intel übernommen wurde, interessieren sich für Verstärkungslernen. Mittels Simulationen sollen Autos von selbst herausfinden, wie sie in schwierigen Situationen fahren müssen. Ein Beispiel dafür ist eine Kreuzung mit mehreren Spuren: Explizite Regeln dafür zu schreiben, was ein Auto hier tun soll, ist unglaublich schwierig. Mit Verstärkungslernen könnte man darauf verzichten und autonome Autos stattdessen selbst das richtige Verhalten bestimmen lassen.
Nach seinem Studium in Stanford arbeitete Karpathy als Praktikant bei DeepMind, wo Verstärkungslernen eine große Rolle spielt. Auch bei OpenAI wird intensiv damit gearbeitet.
Tatsächlich erwähnt Karpathy in einem langen Blog-Beitrag Verstärkungslernen in Zusammenhang mit dem Tesla-Autopiloten. Das Verfahren lasse sich allgemein nicht gut auf Situationen hochskalieren, in denen Experimente teuer sind. Neue Ansätze, bei denen zusätzlich reichlich Daten aus der realen Welt verwendet werden (wie Tesla sie sammelt) könnten jedoch helfen, das zu ändern.
Gleichzeitig aber lässt die Berufung von Karpathy zum Leiter für KI-Forschung bei Tesla noch etwas anderes erkennen: Bis die Herausforderung des autonomen Fahrens gelöst ist, dürfte es noch eine Weile dauern.
(sma)
