DARPA startet KAIROS-KI zur Vorhersage globaler Ereignisse durch Vernetzung Milliarden digitaler Signale

DARPA will komplexe Ereignisse in der digitalen Welt aufdecken. Der Plan: ein teilautomatisiertes System, das Korrelationen zwischen Milliarden aktueller Ereignisse weltweit erkennt und herstellt.

KAIROS: Schema-basierte KI

Künstliche Intelligenz hat heute zahlreiche Anwendungen: Fernerkundung, elektronischer Handel, medizinische Diagnose, Robotersteuerung. Das blühende KI-Feld machte beeindruckende Fortschritte, besonders in den letzten Jahren. Heute können Maschinen mit schwacher KI viele Aufgaben besser als Menschen erledigen – von Bilderkennung und -sortierung bis zum Besiegen des weltbesten Go-Spielers und Diagnose bestimmter Krebsarten.

DARPA will jedoch einen Schritt weitergehen: eine KI bauen, die verborgene Muster im globalen Chaos findet. Kürzlich kündigte sie das Programm «Knowledge-directed Artificial Intelligence Reasoning Over Schemas» (KAIROS) an, um ein teilautomatisiertes System zu schaffen, das Korrelationen zwischen Milliarden weltweiter Ereignisse erkennt und herstellt.

Ziel ist ein Machine-Learning-System, das große Datenmengen täglicher Ereignisse analysiert und prüft, ob es verbindende Fäden gibt. Viele Ereignisse erfolgen nicht sequenziell, sondern sind komplexe Phänomene aus mehreren Teilkomponenten. Das stetig wachsende Volumen unstrukturierter Daten macht dies für bestehende Tools noch schwieriger.

Deshalb nutzt das Programm «Schemata», um Verbindungen über Informationen zu finden. Erst in den frühen 1920ern konzipiert, ist ein Schema eine Wissenseinheit, in der Ereignisse in häufig auftretenden narrativen Strukturen organisiert sind.

Beispielsweise gehen Menschen in Läden, um etwas zu kaufen. Dies involviert ein Kauftransaktions-Schema, definiert durch Rollen (Verkäufer, Käufer), Aktionen (Produkt, Bezahlung) und zeitliche Constraints (kartenzahlbar bei Betrag > 100 $).

Referenz: KAIROS | DARPA

Um ein handlungsrelevantes Verständnis komplexer realer Ereignisse zu erlangen und präzise vorherzusagen, wie sie sich entfalten, ermöglicht die schema-basierte KI zeitliches und kontextuelles Reasoning. Vereinfacht: Sie generiert umfassende Narrative aller Geschehnisse um uns herum.

Funktionsweise

DARPAs Ziel wird in zwei Phasen angegangen. In Phase 1 generiert das System Schemata aus massiven Datenmengen durch Identifizierung, Klassifizierung und Clustering von Ereignissen basierend auf Reasoning und linguistischer Inferenz.

Zwei Phasen des KAIROS-Programms | Credit: DARPA

Entwickler planen, Generalisierungs-, Kompositions- und Spezialisierungsverfahren einzusetzen, um Schemata zu erstellen, die komplexe Ereignisse effizient beschreiben, und domänenspezifisches Wissen zur Anpassung der Analyse für spezifische Bedürfnisse zu implementieren.

In Phase 2 wendet das System eine Reihe von Schemata (aus Phase 1 generiert) auf komplexe Realwelt-Daten an und versucht, Ereignisse und Narrative zu extrahieren. Das ist nicht so einfach, da der Aufbau und die Erweiterung einer Wissensbasis das Erkennen komplexer Entitäten und Ereignisse sowie ihrer Beziehungen erfordert.

An diesem Punkt wirkt das gesamte System theoretisch – genau deshalb untersucht die Agentur es. Angesichts der Einfachheit heutiger KI ist es schwer, sich ein so sophistiziertes System in naher Zukunft vorzustellen.