Von Redaktion, Foto: TUM Campus Heilbronn

Dr. Xuerui Zhang vom TUM Campus Heilbronn hat den Best Poster Award der Oxford Machine Learning Summer School erhalten. Ausgezeichnet wurde ihre Arbeit zum kontinuierlichen Lernen von KI-Systemen. Die KI-Forschung am TUM Campus Heilbronn entsteht am Lehrstuhl von Ziyue Li, Professor für Transportation Analytics. Zhangs Studie trägt den Titel »Heterogeneity-Aware Distillation for Lifelong Heterogeneous Learning«.

Kontinuierliches Lernen kennt man vor allem als menschliche Eigenschaft. Wer im Beruf weiterkommt, lernt Neues und behält zugleich das Alte. Für KI-Systeme gilt dasselbe Prinzip.

Genau daran forscht Dr. Xuerui Zhang am TUM Campus Heilbronn. Dafür erhielt sie den Best Poster Award bei der Oxford Machine Learning Summer School.

KI-Forschung am TUM Campus Heilbronn: Auszeichnung aus Oxford

Zhang arbeitet als wissenschaftliche Mitarbeiterin am Lehrstuhl von Ziyue Li. Er ist Professor für Transportation Analytics am TUM Campus Heilbronn.

Mit ihrer Studie überzeugte Zhang die Forscher in Oxford. Der Titel der Arbeit lautet »Heterogeneity-Aware Distillation for Lifelong Heterogeneous Learning«. Über die Auszeichnung entschieden die Teilnehmenden der Summer School durch Abstimmung. Damit stammt das Votum aus der Fachcommunity selbst.

Worum es beim kontinuierlichen Lernen geht

Das Ziel des kontinuierlichen Lernens hat zwei Seiten. Einerseits sollen KI-Systeme neue Fähigkeiten erlernen. Andererseits sollen sie das bereits Gelernte bewahren.

Beides zugleich ist keine Selbstverständlichkeit. Denn neues Wissen kann altes verdrängen. Genau an dieser Stelle setzt Zhangs Arbeit an.

Deshalb geht es nicht allein um mehr Trainingsdaten. Vielmehr rückt die Frage in den Vordergrund, wie ein System sein bestehendes Wissen ordnet. Und wie es dieses Wissen beim nächsten Lernschritt einsetzt.

»Dieser Ansatz ist besonders relevant für reale Anwendungen wie die Robotik, wo ein Agent möglicherweise kontinuierlich ein breites Spektrum an Fähigkeiten erlernen muss«, erklärte Zhang. Ihre Idee findet nach Angaben des TUM Campus Heilbronn zunehmend Beachtung in der Forschungsgemeinschaft.

Zwei Erkenntnisse hinter der Studie

Die Arbeit stützt sich auf zwei wesentliche Erkenntnisse. Die erste betrifft die Bandbreite der Aufgaben. Kontinuierliches Lernen sollte demnach über Abfolgen ähnlicher Aufgaben hinausgehen.

Stattdessen gilt es, auch Szenarien zu berücksichtigen, in denen sich Aufgaben deutlich unterscheiden. Gemeint sind Unterschiede sowohl in den Zielen als auch in den Ergebnissen. Genau darauf verweist der Begriff »heterogeneous« im Titel der Studie.

Die zweite Erkenntnis betrifft den Umgang mit vorhandenem Wissen. Effektives kontinuierliches Lernen hänge davon ab, dass das Wissen aus früheren Aufgaben sorgfältig kuratiert werde. Entscheidend ist also nicht nur, was ein System dazulernt, sondern auch, was es behält und in welcher Form.

Was der Preis für die Forscherin bedeutet

Für die junge Forscherin ist die Auszeichnung ein Ansporn. Sie freue sich sehr über die Würdigung durch die Forscher der Summer School, teilte sie mit. Ebenso habe man mit ihr diskutiert und für die Arbeit gestimmt.

Dankbar zeigte sich Zhang zudem für die Unterstützung durch Professor Li während der Studie. Hinzu kam die Möglichkeit, die eigene Arbeit auf internationaler Bühne zu präsentieren.

Diese Erfahrung habe sie ermutigt, künftig weitere Forschungsbeiträge zu leisten, so Zhang. Ihre nächsten Ergebnisse zur Verbesserung von KI-Systemen stehen damit bereits in Aussicht.