AI-Award von Bosch: Der Preisträger bringt Algorithmen das Lernen bei

Dr. Gergely Neu. Bildquelle: Barcelona GSE

Erstmals hat Bosch den mit 50 000 Euro dotierten Bosch AI Young Researcher Award verliehen: Dr. Gergely Neu, Wissenschaftler und Professor an der Universität Pompeu Fabra in Barcelona, konnte die Jury mit seiner Grundlagenforschung zu Reinforcement Learning (RL), einer Disziplin der künstlichen Intelligenz (KI), überzeugen.

Dr. Michael Bolle, Geschäftsführer, Chief Digital Officer und Chief Technology Officer von Bosch, würdigte Gergely Neus Beitrag als den vielversprechendsten; nicht zuletzt aufgrund seiner Forschung zur Wahrscheinlichkeitstheorie. Neu widmet sich diesbezüglich bekannten sogenannten ‚multi-armed bandit problems‘, bei denen sich Algorithmen in unzähligen, vielfältig kombinierbaren Situationen zurechtzufinden lernen.

Reinforcement Learning: Wenn Maschinen wie Kinder lernen

Seit mehr als zehn Jahren forscht der ungarische Wissenschaftler im Forschungsfeld des Reinforcement Learning. RL ist ein Bereich des maschinellen Lernens, in dem Algorithmen intuitiv und durch Experimentieren lernen, wie ihre Umgebung beschaffen ist und welche Regeln gelten – ähnlich wie auch ein Kind die Welt entdeckt und merkt, was funktioniert und was nicht.

Neu untersucht, wo und weshalb existierende RL-Algorithmen an Grenzen stoßen und entwickelt so robuste Algorithmen, die zuverlässig leistungsfähig sind. In KI-Anwendungsbereichen wie hoch-automatisierten Fahrzeugen, automatisierten Finanzhandelssystemen oder intelligenten Stromnetzen sind Zuverlässigkeit und stabile Leistungsfähigkeit unerlässlich.

Ziel: Leistungsfähigkeit von Algorithmen verbessern

Geinsam mit seinem Team entwickelt Neu Algorithmen unter möglichst realistischen Bedingungen: Er setzt sie neuen Umgebungen und unbekannten Situationen aus, stellt sie vor zahllose Entscheidungen und untersucht dann die Faktoren, die zum Erfolg oder Misserfolg geführt haben. Anders als die meisten empirischen Ansätze zum RL hat es sich Neu zur Aufgabe gemacht, die grundlegenden Logiken und Funktionen im RL zu verstehen, um den Weg zu robust generalisierenden Methoden zu ebnen. Die Lösung dieser Aufgabe würde schließlich alle Anwendungsfelder voranbringen. Mit seiner Grundlagenforschung will der passionierte Wissenschaftler die Leistungsfähigkeit und Sicherheitsgarantien von Algorithmen verbessern – für ihn eine der größten Hürden, weshalb KI-Lösungen häufig nicht eingesetzt werden.