Pressemitteilung | Neues Forschungsprojekt: Künstliche Intelligenz, die logisch denkt

Wie können Systeme komplexe Probleme wie beispielsweise die Erstellung eines Dienstplans in einem Krankenhaus oder eines Stunden- und Raumplans an einer Universität lösen – und dabei nachvollziehbar bleiben? Alice Tarzariol wird im vom österreichischen Wissenschaftsfonds FWF geförderten Projekt „EX3: EXplain and EXploit Knowledge EXtracted to Improve ASP“ an neuen Methoden arbeiten, wie solche Problemstellungen mit Hilfe von Künstlicher Intelligenz effizienter und genauer gelöst werden können.

Basis für das Projekt ist „Answer Set Programming“, eine Art logischen Programmierens, mit der man Probleme durch Regeln und Logik beschreibt. Man sagt der Maschine also, was gelten soll, nicht wie man die Lösung berechnet. Das Programm sucht dann nach Lösungen, die alle Regeln erfüllen. Gebraucht werden solche Systeme beispielsweise bei der Erstellung von Dienstplänen in Krankenhäusern, wo es viele Regeln gibt, die zu bedenken sind: Was ist die maximale Tagesarbeitszeit welcher Berufsgruppe im Krankenhaus? Wann sind Schichtübergaben nötig und wie schafft man Überschneidungen bei manchen Berufsgruppen? Problembedingungen wie diese werden in der Regel von Expert:innen formuliert, die die Dienstpläne erstellen.

„Ein großer Vorteil von Answer Set Programming ist, dass diese Expert:innen keine Spezialist:innen im Programmieren sein müssen“, erklärt Projektleiterin Alice Tarzariol, Post-Doc-Forscherin am Institut für Artificial Intelligence and Cybersecurity an der Universität Klagenfurt. „Sie können Problemstellungen auf abstrakter Ebene beschreiben und verfügbare ASP-Systeme übernehmen die komplexe Suche nach Lösungen. Wenn die Problembeschreibungen die automatisierte Suche aber beeinflussen, braucht man tiefgreifende technische Kenntnisse und viel Zeit, um eine Lösung zu finden.“

Das Projekt „EX3: EXplain and EXploit Knowledge EXtracted to Improve ASP“ setzt an dieser Stelle an. Ziel ist es, ein System zu entwickeln, das nicht nur Lösungen findet, sondern Expert:innen auch beim Verständnis und der Formulierung von Problembeschreibungen unterstützt. „Wir wollen Methoden entwickeln, um verborgene Zusammenhänge und Symmetrien in Problembeschreibungen automatisch zu erkennen. So können Lösungen schneller gefunden und gleichzeitig verständlicher erklärt werden“, stellt Alice Tarzariol in Aussicht. Essenziell ist dabei auch, dass die Nutzer:innen – also diejenigen, die beispielsweise die Bedingungen für einen Dienstplan in das System eingeben – mehr Einblick in die Funktionsweise gewinnen, wie Tarzariol weiter erklärt: „Wir wollen ein System entwickeln, das nachvollziehbar begründen und auch graphisch verständlich darstellen kann, warum es zu einem bestimmten Ergebnis kommt. Dieser White-Box-Ansatz soll nicht nur Vertrauen und Kontrolle ermöglichen, sondern für die Nutzer:innen auch den Vorteil mit sich bringen, dass sie überprüfen können, ob sie ihr Problem vollständig beschrieben haben. Sie sollen zusätzliche Erkenntnisse über ihren Anwendungsbereich gewinnen und auch mit dem System interagieren, um es zielgerichtet einzusetzen und die Eingaben zu verbessern.“

Mit dem Projekt möchte Alice Tarzariol nicht nur einen wesentlichen Beitrag zur Grundlagenforschung leisten, sondern auch ein funktionierendes System entwickeln, das zeigt, wie erklärbare Künstliche Intelligenz in der Praxis eingesetzt werden kann.