Human-Centered Artificial Intelligence

Young Scholar's Programme of the Bavarian Academy of Sciences and Humanities

Human-Centered Artificial Intelligence is an interdisciplinary effort to use artificial intelligence as a tool for better human-robot (or more generally human-computer) interaction. It comprises user-centered development of the functionality of technical systems, while at the same time using inspiration from biological systems to make technology more robust for real-world applications.

Propose

Decisions, both by humans and machines, are based on alternatives. In contrast to conventional AI methods, the alternatives in my algorithm are not predefined, but are developed dynamically during the decision-making process.

Evaluate

In my model, alternatives are assessed by independent evaluation processes. These represent different aspects of solution quality and may contradict each other.

Focus

In common AI methods, different evaluation aspects are calculated into a value using weighted sums. The results are usually unintuitive, as humans do not form weighted sums when making decisions, which has been proven by empirical studies. My method imitates human heuristics using methods from social choice theory.

Iterate

By repeatedly generating and adapting alternatives, evaluating and focusing, the solution is determined step by step. The process can run fully automatically or in a collaborative process with humans.

Wissenschaft ist ein iterativer Prozess von Beobachten und Theoriebildung. Genau so habe ich meinen Algorithmus entwickelt und genau so kann er für konkrete Fragestellungen genutzt werden. Durch das Protoyping von Anwendungsfällen bekommt man schnell ein Gefühl dafür was gut funktioniert und wo Verbesserungsbedarf besteht.

In dem Ansatz geht es nicht darum, eine Speziallösung für ein spezifisches Problem zu entwickeln, sondern einen allgemeinen Mechanismus, der auf viele verschiedene Aufgabenstellungen übertragbar ist. Deshalb ist das Verfahren an zwei sehr unterschiedlichen Aufgaben entwickelt worden: dem Traveling Salesperson Problem (einem Problem aus der theoretischen Informatik, das in vielen realen Aufgaben in abgewandelter Form vorkommt) und der Navigation von autonomen Robotern (d.h. der Roboter hat die Aufgabe einen Zielpunkt zu erreichen und muss dafür den nächsten Befehl an seine Räder schicken).

Das Verfahren eignet sich vor allem für Beinahe-Optimierungsprobleme, also Aufgaben, die sich nicht vollständig formalisieren lassen, die jedoch zu unübersichtlich sind um von Menschen ohne technische Unterstützung gelöst zu werden, z.B.

• Erstellung von Produktionsplänen
• Kategorisierung von Produktgruppen
• Planung von Verkaufsniederlassungen
• Bildung von (Kunden-)Kohorten
• Wartung komplexer IT-Systeme

Im Gegensatz zu klassischen Optimierungsverfahren zeichnet sich mein Ansatz aus durch

• hohe Nutzerakzeptanz
• Robustheit
• Verständlichkeit