Ein Forschungsprojekt am FITS untersucht die Rolle des Menschen beim Machine-Learning

Binnen kürzester Zeit analysieren Machine-Learning-Algorithmen riesige Datenmengen, treffen Vorhersagen und geben personalisierte Empfehlungen aus. Wie die Maschine zu ihren Schlüssen kommt und wie die Ergebnisse zu deuten sind, bleibt oft unklar. Hier setzt das Forschungsprojekt HUBBLE (HUman Behaviour-Based explainable machine Learning) an: „Im Mensch-Maschine-Team kann jeder etwas, wozu der andere nicht in der Lage ist. Mithilfe von Algorithmen können Menschen automatisiert Aufgaben erledigen, die ihre eigenen Fähigkeiten übersteigen, beispielsweise schnell große Datenmengen analysieren. Umgekehrt ist menschliches Urteilsvermögen unabdingbar, um die richtigen Weichen für den Algorithmus zu stellen und die Sinnhaftigkeit der berechneten Ergebnisse zu bewerten. Wenn es gelingt, dieses Zusammenspiel transparent zu gestalten, profitieren davon Mensch und Maschine.“, erläutert Projektleiter Dietrich Kammer, von der Professur für Technische Visualistik der HTW Dresden.

Ziel von HUBBLE ist es, die Rolle des Menschen bei der Entwicklung von Machine-Learning-Algorithmen zu verankern und auf reale Arbeitskontexte zu übertragen. Transparentere und besser beeinflussbare Modelle helfen beispielsweise, die Genauigkeit von im Marketing häufig durchgeführten Trendanalysen im Internet zu steigern. Dazu werden die Schritte nachvollziehbar gemacht, mit denen aus digitalen Quellen (Websites, Social Media etc.) mehrsprachige Texte automatisch extrahiert werden. Mit Hilfe eines neuartigen Algorithmenansatzes – HBBO (Human Behaviour-Based Optimization) – werden die Textdaten anschließend hinsichtlich deren Relevanz und Bedeutung in Kategorien eingeteilt (klassifiziert). Die Besonderheit des HBBO ist, dass er seine Arbeitsweise optimiert, indem er menschliches Verhalten nachahmt, z.B. durch die algorithmische Simulation von Gruppen, die im Lernprozess Experten ausbilden, Meinungen austauschen und sich gegenseitig beeinflussen.

Im Projekt arbeiten die HTW Dresden, die Hochschule Mittweida (HSMW) und die Dresdner Firma deecoob Technologies GmbH zusammen. Die Professur für Technische Visualistik entwickelt die Visualisierung und ein Interface, um die HBBO-Pipeline für menschliche Betrachter von Beginn an nachvollziehbar zu gestalten sowie Möglichkeiten zur direkten Einflussnahme in den maschinellen Lernvorgang zu schaffen. Dabei werden aktuelle Ansätze zur Visualisierung von komplexen Zusammenhängen in Daten aus den Bereichen Explainable Machine Learning sowie Visual Analytics integriert. Das zweijährige Projekt wird mit Mitteln aus dem zentralen Innovationsprogramm Mittelstand (ZIM) gefördert.