Software Saxony Blog

News Detail

HTW Dresden: FITS, Co-Learning von Mensch und Maschine

  • HTW Dresden: FITS, Co-Learning von Mensch und Maschine

Binnen kürzester Zeit analysieren Machine-Learning-Algorithmen riesige Datenmengen, treffen Vorhersagen und geben personalisierte Empfehlungen aus. Wie die Maschine zu ihren Schlüssen kommt und wie die Ergebnisse zu deuten sind bleibt oft unklar. Das Forschungsprojekt HUBBLE schaut hinein in diese Blackbox und visualisiert neue Ansätze für Maschinenlernen auf Basis menschlichen Verhaltens.

 

Im Mensch-Maschine-Team kann jeder etwas, wozu der andere nicht in der Lage ist. Mithilfe von Algorithmen können Menschen automatisiert Aufgaben erledigen, die ihre eigenen Fähigkeiten übersteigen, beispielsweise schnell große Datenmengen analysieren. Umgekehrt ist menschliches Urteilungsvermögen unabdingbar, um die richtigen Weichen für den Algorithmus zu stellen und die Sinnhaftigkeit der berechneten Ergebnisse zu bewerten. Wenn es gelingt dieses Zusammenspiel transparent zu gestalten, profitieren davon Mensch und Maschine.

Im Forschungs- und Entwicklungsprojekt HUBBLE (HUman Behaviour-Based explainable machine LEarning) kooperiert die Professur für Technische Visualistik der HTW Dresden mit der Hochschule Mittweida (HSMW) und der Dresdner Firma deecoob Technologies GmbH. Ziel des Kooperationsprojektes HUBBLE ist es, den Faktor Mensch in der Entwicklung von Machine-Learning-Algorithmen zu verankern und die Vorteile, die sich daraus ergeben, auf produktive Arbeitskontexte zu übertragen. Die realen Szenarien entspringen der Arbeitspraxis der deecoob Technologies GmbH und stellen die Extraktion und Klassifikation von Inhalten aus multilingualen Texten im Web in den Mittelpunkt. Erstmalig überträgt die HSMW dazu einen HBBO (Human Behaviour-Based Optimization) genannten neuartigen Algorithmenansatz auf die Klassifikation der Daten. Die Besonderheit des HBBO ist, dass er seine Arbeitsweise optimiert, indem er menschliches Verhalten nachahmt. Die Professur für Technische Visualistik entwickelt die Visualisierung und ein Interface, um die HBBO-Pipeline für menschliche Betrachter von Beginn an nachvollziehbar zu gestalten sowie Möglichkeiten zur direkten Einflussnahme in den maschinellen Lernvorgang zu schaffen. Dazu sollen Elemente aus dem Bereich "Explainable Machine Learning", insbesondere Visual Analytics, integriert werden. Das zweijährige Projekt wird mit Mitteln aus dem zentralen Innovationsprogramm Mittelstand (ZIM) gefördert.

Weiterführende Links


www.htw-dresden.de 

Foto: Clarisse Croset von Unsplash