Menschliche Kontrolle
Der ‚Human-in-the-loop‘-Ansatz vereinfacht wiederum das Reinforcement Learning (RL). Bei diesem Verfahren werden die von der KI berechneten Ergebnisse und Entscheidungen immer wieder durch den Menschen kontrolliert und die KI erhält Feedback. Basierend darauf passt die KI ihre Resultate an und berechnet exaktere Ergebnise. Der Algorithmus eignet sich so selbstständig Strategien an und sammelt per Trial-and-Error Erfahrungen an, auf deren Basis er lernt, wie unterschiedliche Szenarien zu behandeln sind. Die Kombination der beiden Verfahren ist bislang weitgehend unerforscht, verspricht aber Potenzial – etwa bei der Optimierung von Produktions- und Wartungsprozessen, bei der Berechnung von Risikoszenarien oder bei der Implementierung und Konfiguration von Produktionsanlagen.
Offener Prototyp
Ein erster Software-Prototyp, der im Rahmen verschiedener Industrie-Use-Cases erprobt wurde, ist so offen wie möglich gestaltet. Das heißt, Raki kann für die Entwicklung von KI-Anwendungen und -Diensten in verschiedensten Branchen genutzt werden. Perspektivisch soll die Software als Basis dienen, um Anwendungen und intelligente Services für verschiedene Wirtschaftszweige mit besonders hohen Ansprüchen zu entwickeln, z.B. in der Biomedizin, in der Energiewirtschaft oder im Gesundheitssektor. Dabei wird KI dank Raki nicht nur erklärbarer, die Kombination der verschiedenen Machine-Learning-Methoden könnte auch neue Möglichkeiten in der KI-Entwicklung erschließen und etwa dafür sorgen, dass riesige Datenmengen schneller und präziser ausgewertet werden können.