Die Zukunft der Autonomie gestalten

Gurdeep Pall25. Januar 2021

Als ich Anfang der 90er Jahre, zu Beginn des PC- und Internet-Zeitalters, bei Microsoft anfing, konnte ich mir nicht vorstellen, welche Innovationswellen noch kommen würden. Damals wie heute war ich der festen Überzeugung, dass Software ein Mittel zur Innovation ist, mit dem sich erstaunliche Ideen schnell zum Leben erwecken lassen.

Die dritte industrielle Revolution der Informatik (nach Dampf und Elektrizität) brachte den schnellsten Fortschritt in der Geschichte der Menschheit. Es legte den Grundstein für die vierte industrielle Revolution, die der künstlichen Intelligenz. Dabei konzentrieren wir uns darauf, von Menschen erlernte Intelligenz auf Maschinen zu übertragen, die in der realen physischen Welt um uns herum agieren, und so eine Brücke zwischen der Welt der Bits und der Welt der Atome zu schlagen.

Wir haben diese Reise vor zweieinhalb Jahren mit der Übernahme eines Startups namens Bonsai und der Zusammenführung des Teams mit unserer AirSim-Forschungsbemühungen begonnen. Wir waren überrascht zu erfahren, wie wenig derzeit auf dem Markt umgesetzt wird, verglichen mit dem enormen Potenzial autonomer Systeme, so viele Branchen zu verändern. Das Potenzial, unsere Kunden bei der Innovation mit dieser Technologie zu unterstützen und die Kluft zwischen der physischen und der digitalen Welt zu überbrücken, ist grenzenlos.

YouTube-Video

Klicken Sie hier, um Medien zu laden

Bei autonomen Systemen geht es nicht nur um humanoide Roboter oder selbstfahrende Autos; PepsiCo entwickelte KI mithilfe von Microsoft Project Bonsai, um die Extrudermaschine zu optimieren, die Cheetos herstellt. Das intelligente System überwacht kontinuierlich und nimmt Anpassungen vor, um Konsistenz und Qualität aufrechtzuerhalten.

Bell nutzt die autonomen Systeme von Microsoft und AirSim, um an sichereren autonomen Flugfahrzeugen zu arbeiten, wobei der Schwerpunkt zunächst auf Landungen liegt. Bell arbeitet derzeit an der ersten autonomen Präzisionslandung mithilfe des Projekts Bonsai, um sichere Landezonen zu identifizieren und dann autonom zu landen.

Autonome Systemtechnologien sind weder Science-Fiction noch teure Mondschüsse – Kunden wie PepsiCo und Bell bestimmen heute die Geschäftsauswirkungen – und unser softwaregestützter Ansatz für autonome Systeme macht dies möglich.

Software ist das formbarste Medium, das es gibt. Diese Formbarkeit ermöglicht es uns, Abstraktionen und Funktionsebenen zu erstellen, die es Entwicklern ermöglichen, schnell jede Art von autonomen Systemen zu erstellen, die man sich vorstellen kann.

Viele frühe Bemühungen zur Schaffung autonomer Systeme wurden von einem Expertenteam als isolierte, maßgeschneiderte Anwendungen entwickelt. Wir wussten, dass wir einen anderen Ansatz brauchten, also wollten wir offene, wiederverwendbare und leistungsstarke Tools und eine Plattform bereitstellen, die es jedem ermöglichen würde, Maschinen Intelligenz beizubringen, ohne ein KI-Experte zu sein. Ingenieure, Experten auf ihrem Gebiet, können ihre jahrelange Erfahrung in eine KI-Lösung übertragen, ohne noch einmal an die Hochschule gehen zu müssen, um KI zu erlernen.

Aber wie bringt man einer Maschine etwas bei? Die Funktionalität der meisten Maschinen ist heute fest programmiert und sie verfügen über einfache oder starre Steuerungssysteme. Unsere Tools ermöglichen es einem Experten auszudrücken, was gelernt werden muss und wie man es lernt. Mit diesem Input nutzt unsere Plattform Reinforcement Learning in einer simulierten Umgebung, um die KI-Lösung zu erstellen. Die daraus resultierende KI-Lösung kann nun die Maschine steuern und dafür sorgen, dass sie sich intelligent an die reale Welt anpasst, so wie es ein Mensch tun würde. Anstatt beispielsweise spezielle Käfige für Roboter zu bauen, lernen die Roboter, Treppen zu steigen, Türen zu öffnen, durch ein dynamisches Lager zu navigieren, eine Drohne zu landen oder mit anderen Systemen und Menschen zusammenzuarbeiten.

Das Bell-Team identifizierte Microsoft-Technologien, die ihnen dabei helfen könnten, ihr Ziel zu erreichen, ihr Geschäftsmodell von Hubschraubern auf autonome Flugfahrzeuge umzustellen. Zusammen mit Computer Vision und Cloud Computing von Azure haben Project Bonsai und AirSim Bell dabei geholfen, eine KI-Lösung zu entwickeln, die in einer simulierten Umgebung eingesetzt werden kann.

Matt Holvey, Senior Manager of Intelligent Systems bei Bell, sagte dazu: „Wir verwenden Project Bonsai, weil wir damit schnell eine KI erstellen und trainieren können, so als würden wir einem Piloten beibringen, worauf er achten muss.“ Sie können die KI dazu bringen, basierend auf der identifizierten Landezone, die sie sieht, zu verstehen, welche Entscheidungen über Höhe und Neigung zu treffen sind.“

Maschinenlehre ermöglicht es jedem Ingenieur, neuen oder vorhandenen Maschinen auf sichere Weise Autonomie zu verleihen.

Die Frage ist nicht, was wir uns als Gebäude vorstellen können, sondern wie wir es in die Realität umsetzen können.

Autonome Systeme funktionieren in der realen Welt, aber die reale Welt ist kein sicherer Ort, um eine Maschine zu trainieren. Außerdem sind Maschinen teuer. KI braucht Millionen von Zyklen, um eine neue Fähigkeit zu erlernen. Stellen Sie sich vor, Sie müssten zig Millionen Kilometer mit dem Auto zurücklegen, um zu lernen, wie man sicher auf der Autobahn fährt!

Die genaue Simulation unserer Umgebung, Maschinen und Sensoren erfasst nicht nur die visuellen Aspekte, sondern auch deren Physik. Einmal erstellt, kann diese simulierte Welt tausende Male instanziiert werden und ermöglicht es uns, die Realität zu „übertakten“, wodurch das KI-Training millionenfach beschleunigt wird. All diese Schulungen werden sicher in der Cloud durchgeführt, wo wir nicht nur für Kernszenarien trainieren können, sondern auch für jeden möglichen Randfall – egal wie unwahrscheinlich –, bevor wir in der realen Welt operieren.

Nehmen wir zum Beispiel Bell. Aus drei Hauptgründen ist es für unbemannte Flugzeuge unrealistisch, das Identifizieren von Landezonen und das Landen in der realen Welt zu üben: Sicherheitsbedenken, potenzielle Schäden am Flugzeug und die Zeit, die erforderlich wäre, um genügend reale Szenarien zu trainieren.

Stattdessen übt die KI, wie uns Holvey von Bell erzählt, in AirSim, einer simulierten Umgebung, in der sie in wenigen Minuten Tausende von Landungserkennungsszenarien üben kann.

„Eine KI lernt, ob eine Landezone sicher ist, während eine andere KI lernt, wie man landet“, sagt er. „Diese beiden KIs arbeiten dann zusammen, um die komplizierte Aufgabe zu erledigen.“

Simulationen ermöglichten es den Ingenieuren außerdem, schnell die Produktion eines ganzen Tages zu simulieren. Die KI erlebte und lernte, wie man perfekte Cheetos herstellt, indem sie Tausende von Versuchen sicher in der Simulation durchführte.

Simulationen der realen Welt und von Maschinen ermöglichen es uns, unsere Maschinen sicher zu trainieren und ihnen beizubringen, immer autonomer zu werden. Weitere Informationen zu den in Project Bonsai unterstützten Simulationen und dazu, wie Sie Ihre Simulation in der Cloud oder vor Ort ausführen können, erfahren Sie in der Project Bonsai-Dokumentation.

Ich glaube, dass die Welt bereit für autonome Systeme ist: autonome Gabelstapler, die Produkte transportieren, intelligenter Energieverbrauch in Gebäuden, Drohnen, die regelmäßig Stromleitungen inspizieren, um verheerende Waldbrände zu verhindern, oder Roboter, die das Leben sinnvoll unterstützen. Die Frage ist nicht, was wir uns als Gebäude vorstellen können, sondern wie wir es in die Realität umsetzen können.

Indem wir unsere Realität mit dem formbaren Medium Software, leistungsstarken Lehrmitteln und erfahrungsbasierter KI digitalisieren, schaffen wir eine Welt, in der autonome Systeme allgegenwärtig sind – und einen positiven Einfluss auf unseren Planeten, unsere Wirtschaft und unser Leben haben.

Wenn wir aus einer anderen Perspektive über die Zukunft autonomer Systeme nachdenken, erhalten wir Einblick in eine Welt, in der die meisten mechanischen Dinge zunehmend autonom sind. Sie können sich mein Video über die Zukunft autonomer Systeme ansehen und tiefer in die Funktionsweise der Technologie und den Einstieg eintauchen.

Ich lade Sie ein, mehr zu erfahren und uns auf dieser Reise zu begleiten. Erleben Sie die Rolle des Werksleiters, der in der Fabrik der Zukunft Plastikmüll in Tischtennisbälle verwandelt, erleben Sie die Demo, lesen Sie über die Erfahrungen unserer Kunden, erkunden Sie unsere Branchenlösungen, erfahren Sie mehr über die Project Bonsai-Plattform oder versuchen Sie sich in der Schulung eines KI-Agent balanciert mit Project Moab einen Tischtennisball.

Erfahren Sie mehr und begleiten Sie uns auf dieser Reise:

Gurdeep Pall ist Corporate Vice President für Business AI bei Microsoft.