Künstliche Intelligenz – leicht verständlich gemacht (Teil 5)

Es wird persönlich: Kann Künstliche Intelligenz mich identifizieren – und zwar nicht mittels Spracherkennung, Gesichtserkennung oder Fingerabdruck, sondern nur an der Art und Weise, wie ich mich bewege, wie ich gehe?!

Jeder ist anders

Alle Menschen sind individuell. Biometrie-Anwendungen machen sich dies zunutze. Die individuellen Eigenheiten eines Menschen werden bei Spracherkennung, Gesichtserkennung und Fingerabdrücken erfasst.

Nun gibt es die Behauptung, Personen auch anhand der Art und Weise zu identifizieren, wie ein Mensch geht.
Wir alle wissen: Menschen gehen unterschiedlich, Menschen bewegen sich unterschiedlich. Auch wenn wir ihnen nicht ins Gesicht schauen, können wir Menschen am Gang erkennen – oft auch wenn sie verkleidet sind oder wenn wir sie von hinten sehen.

Kann eine Maschine das auch? Die Antwort ist: Ja, ein KI-System kann jemand identifizieren an der Art und Weise, wie die Person geht. Und das ist ziemlich cool – eigentlich.

Der Mensch aufs Wesentliche reduziert

Der Grundgedanke ist folgender: Stellen wir uns einen Menschen als ein Skelett vor. Ein Mensch ist dann im Prinzip, wenn er sich bewegt, eine Ansammlung von verschiedenen Gliedmaßen. Diese stehen zueinander in sich verändernden Winkeln.

https://github.com/cmu-perceptual-computing-lab/openpose

Wir haben im Bild zwei Personen, die sich bewegen und dabei typische Bewegungen ausführen. Wie kann man nun mathematisch gesehen diese Bewegungen interpretieren? Im Prinzip sind es die Gliedmaßen, die an den Gelenken zusammengehalten werden. Die Gliedmaßen nehmen eine gewisse Position zueinander ein. Die Punkte, die an den Gliedmaßen zueinander in einem Winkel stehen, werden in der KI-Fachsprache Key Points genannt.

Das System extrahiert in einem ersten Schritt aus einem Bild diese Key Points. Die beiden Personen auf unserem Beispielbild sehen für ein KI-System aus wie Strichmännchen (vgl. die farbigen Linien, wenn man sich die realen Personen wegdenkt), die sich aus den Key Points zusammensetzten. Das heißt, wir haben diese beiden Menschen jeweils auf ein mathematisches Modell reduziert.

Vom Strichmännchen zur Bewegung

Wie führt uns das jetzt zu einer Erkennung von Bewegungsmustern? Die KI interpretiert die Haltung von Menschen bei der Bewegung (also im Zeitverlauf) als eine Ansammlung von Strecken und Winkeln, die zueinander stehen. Jeder Mensch hat in seiner typischen Art und Weise, wie er sich bewegt, ein typisches Muster. Dieses kann mathematisch ausgedrückt werden.

Wenn wir zum Beispiel die Art und Weise ansehen, wie ein Mensch geht, so geht ja jeder Mensch ein bisschen anders: jeder hebt die Füße ein bisschen anders und hat eine andere Schrittlänge. Daraus ergibt sich unter Zuhilfenahme der Key-Points ein Bewegungsmuster. Die Fußspitze und die Ferse bewegen sich beispielsweise während des Gehens in einem bestimmten Verhältnis. Man hat sozusagen eine typische harmonische Schwingung, ein Gehmuster.

Vom Muster zur Klassifikation

Das sind die Arten von mathematischen Mustern, die man in ein neuronales Netz geben kann. Dieses liefert daraufhin eine Klassifikation (vgl. dazu Teil 1). Wenn ich nämlich Menschen an der Art und Weise, wie sie gehen, erkennen möchte, dann trainiere ich die KI darauf, dass sie verschiedene Menschen öfter gesehen hat. Sie gibt an, wen sie erkannt hat. Und ich gebe der KI das Feedback: „Du hast die Person richtig erkannt“ oder „Nicht richtig erkannt“.

Das ist natürlich grob vereinfacht. Es ist eine sehr komplizierte Technologie. Aber das ist die Grundidee. Also auch hier können wir anhand von komplizierten Mustern, die in das KI-System eingehen, am Schluss eine Klassifikation vornehmen.

Um auf die Ausgangsfrage zurück zu kommen: Ja, es geht tatsächlich, dass Maschinen in der Lage sind, Menschen zu erkennen anhand der Art und Weise, wie sie sich bewegen.

Leider ist es so, dass die Hauptanwendung wahrscheinlich im Bereich der Überwachungstechnik ist. Es ist auch kein Wunder, dass die erfolgreichsten Unternehmen in diesem Forschungsbereich in China sitzen, wo Überwachung anders gehandhabt wird als zum Beispiel in der EU.

Auch dieser fünfte Blogartikel stammt von Florian Werner-Jäger. Wo Sie KI in Ihrem Berufsalltag (unbewusst) nutzen und wie Sie KI – auch als Nicht-ITler – aktiv nutzen können, erfahren Sie im KI-Seminar.

Im sechsten und letzten Blogartikel ziehen wir ein Fazit und sehen uns Punkte an, bei denen Künstliche Intelligenz (noch) an ihre Grenzen stößt, und bei denen der Mensch der Maschine (noch) überlegen ist.
Lassen Sie gleich ein Abo da für diesen Blog (auf der Startseite) und Sie werden automatisch informiert.

Rückblick

Im ersten Teil haben wir wichtige Aspekte von KI kennengelernt: Neuronales Netz, Regression, Klassifikation.
Der zweite Teil beschreibt, wie Maschinen lernen, damit Künstliche Intelligenz entsteht, und warum KI mehr mit der emotionalen Intelligenz zu tun hat als mit dem Intelligenzquotienten.
Im dritten Teil sahen wir, wie Künstliche Intelligenz vorhersagen kann, welche Partei ich wähle mithilfe von Bilderkennung.
Im vierten Teil lernten wir, ob Künstliche Intelligenz Texte besser lesen und verstehen als wir, wie gut also Textverständnis funktioniert.

Ein Kommentar

Schreibe einen Kommentar

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden /  Ändern )

Google Foto

Du kommentierst mit Deinem Google-Konto. Abmelden /  Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden /  Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden /  Ändern )

Verbinde mit %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.