Die von der EU finanzierte TEACHING-Projekt in Pisa verwendet maschinelles Lernen, um auf menschliche Bediener zu reagieren und ihr Verhalten entsprechend anzupassen, um sicherere, stressfreiere und effizientere Fertigungsprozesse anzubieten.
Obwohl künstliche Intelligenz (KI) das Potenzial hat, Fertigungsprozesse durch erhöhte Automatisierung zu transformieren, ist es entscheidend, dass das Element Mensch nicht vergessen wird. Menschen sind zwangsläufig entlang der gesamten Produktionskette beteiligt, und eine synergetische Beziehung zwischen Roboter und Arbeiter ist unerlässlich, um reibungslose Abläufe sicherzustellen.
„Man kann KI nicht unabhängig von menschlichem Handeln agieren lassen“, bemerkt TEACHING-Projektkoordinator Davide Bacciu von der Universität Pisa in Italien. „Als Menschen werden unsere Reaktionen und unser Wohlbefinden von unseren kognitiven und psychologischen Zuständen beeinflusst.“
Damit KI die operationale Effizienz steigern und die Arbeitsbelastung entlang der Produktionskette reduzieren kann, ist es entscheidend, dass die Einführung von KI keine übermäßigen Belastungen für Menschen darstellt. Autonome Anwendungen, die Menschen befähigen
Das TEACHING-Projekt wollte diese Herausforderung angehen, indem es autonome Anwendungen entwickelt hat, die menschliches Feedback nutzen. „Wir wollten, dass das System Menschen befähigt und zuverlässig und sicher ist“, sagt Bacciu.
Um dies zu erreichen, brachte das Projekt KI- und maschinelles Lernen-Spezialisten sowie Zuverlässigkeitsingenieure und Softwareentwickler zusammen. „Wir wollten sichere und zuverlässige Anwendungen entwickeln, in denen KI läuft, und dann das Potenzial in Endanwendungen demonstrieren“, fügt Bacciu hinzu.
Das Projekt verwendete autonomes Fahren als einen Testfall. Wie in der Fertigung ist hier ein auf den Menschen ausgerichteter Ansatz erforderlich, um einen reibungslosen Übergang zwischen Fahrzeug und Benutzer sicherzustellen.
Die Stresslevel und psychologischen Zustände eines Passagiers können den Komfort beim autonomen Fahren erheblich beeinflussen. Daher muss KI nicht nur den Zustand des Fahrzeugs, sondern auch den der Passagiere berücksichtigen. „Unser Ziel war es hier, den Service zu personalisieren und sicherzustellen, dass KI auf den Benutzer reagieren kann“, sagt Bacciu.
In TEACHINGs Modell werden Daten von Sensoren, die den physiologischen Zustand der Passagiere überwachen, an die KI weitergegeben, die Feedback gibt, um den Fahrstil des autonomen Autos anzupassen. „Die Idee war, dass die KI responsiv und schließlich antizipativ auf den spezifischen Benutzer reagiert“, erklärt Bacciu.
Quelle: European Commission
Die Informationen zu den KI-Projekten sind unverbindlich. Wir übernehmen keine Garantie für Richtigkeit oder Vollständigkeit. Wir laden Sie herzlich dazu ein, uns jederzeit Projekte und Anfragen per E-Mail zu senden. Wir schätzen Ihr Feedback und sind offen für Ideen. Kontakt: info@cyberlago.net.