Inproceedings3892
Prozessorientiertes Reinforcement Learning: Grafische Modellierung zur Unterstützung der Erklärbarkeit
Prozessorientiertes Reinforcement Learning: Grafische Modellierung zur Unterstützung der Erklärbarkeit
Published: 2021
Februar
Buchtitel: Prozessorientiertes Reinforcement Learning: Grafische Modellierung zur Unterstützung der Erklärbarkeit
Verlag: ceur-ws.org
Organisation: Joint Proceedings of Modellierung 2020 Short, Workshop on Models in AI
Nicht-referierte Veröffentlichung
BibTeX
Kurzfassung
Das Verstärkende Lernen (Reinforcement Learning) stellt einen wichtigen Ansatz für Systeme der Künstlichen Intelligenz (KI-Systeme) dar. Dabei steigt der Anspruch an die Erklärbarkeit der KI-Systeme mit zunehmender Risikobehaftung der zu lösenden Problem-stellungen. Um den Lernprozess beim Verstärkenden Lernen nachvollziehbar zu machen, verfol-gen wir einen prozessorientierten Lernansatz. Zunächst soll der Lernprozess mit Hilfe eines gra-fischen Prozessmodells abgebildet werden, um eine Visualisierung der einzelnen Lernschritte zu ermöglichen. Diese Prozessmodellierung soll durch die Verwendung von Process Mining Metho-den erfolgen. In einem weiteren Schritt soll den Anwendern die Möglichkeit gegeben werden, anhand der Prozessmodelle die Entscheidungsfindung der Algorithmen zu beeinflussen. Eine mögliche Art der Einflussnahme ist zum Beispiel die Beschränkung des Hypothesenraumes, der mit Hilfe des Verstärkenden Lernens erkundet werden soll. Auf diese Weise agiert das Prozess-modell als grafische Schnittstelle zwischen maschinellem Lernprozess und Anwender. Das we-sentliche Ziel dieses neuen Ansatzes ist es, die Erklärbarkeit von KI-Systemen und die Koopera-tionsfähigkeit zwischen Anwendern und KI-Systemen zu verbessern. Dieser Artikel beschreibt die Grundlagen, um dieses Ziel mit Hilfe von prozessorientiertem Reinforcement Learning zu erreichen.
Betriebliche Informationssysteme