Ignoranz & Nichtdeterminismus beim Planen und der Synthese

Dieses Projekt befasst sich mit der Frage, wie künstliche Intelligenz in Situationen bessere Entscheidungen treffen kann, in denen nur sehr wenig über die Umgebung bekannt ist. Aktuelle Systeme der künstlichen Intelligenz funktionieren gut, wenn sie Wahrscheinlichkeiten abschätzen und Risiken berechnen können sie stoßen jedoch an ihre Grenzen, sobald solche Informationen fehlen. In vielen realen Situationen etwa wenn autonome Roboter in unbekannten Umgebungen agieren oder Software auf unvorhersehbares Nutzerverhalten reagieren muss müssen Systeme handeln, ohne auf verlässliche Daten zurückgreifen zu können. Klassische Ansätze versuchen, Strategien zu finden, die den Erfolg garantieren. Doch solche Strategien existieren oft gar nicht und dadurch entsteht eine entscheidende Lücke im Umgang mit Unsicherheit. Um dieses Problem zu lösen, führt das Projekt das Konzept sogenannter Best-Effort-Lösungen ein. Statt nach perfekten Plänen zu suchen, die womöglich unmöglich sind, zielen Best-Effort-Strategien darauf ab, unter den gegebenen, begrenzten Informationen das bestmögliche Ergebnis zu erzielen. Solche Strategien lassen sich immer finden und bieten daher eine praktikable Alternative zu herkömmlichen Verfahren. Das Projekt entwickelt dazu theoretische Grundlagen, untersucht die rechnerische Komplexität und entwirft neue Verfahren, um diese Strategien zu berechnen. Zudem werden Prototypen umgesetzt, um die Anwendbarkeit in der Praxis zu demonstrieren. Darüber hinaus sollen Best-Effort-Lösungen auf allgemeinere Entscheidungssituationen übertragen werden, um ihr Potenzial als neue Standardmethode für Entscheidungen unter Unwissenheit aufzuzeigen. Dabei werden auch Kombinationen mit anderen Entscheidungsprinzipien sowie deren theoretische Eigenschaften und rechnerische Grenzen untersucht. Ergänzend entwickelt das Projekt Verfahren zur automatischen Erzeugung und Überprüfung solcher Strategien. Abschließend werden ausgewählte Verfahren mithilfe moderner algorithmischer Techniken prototypisch implementiert. Das Vorhaben verbindet Methoden aus Logik, Entscheidungstheorie und Informatik. Aufbauend auf vielversprechenden Ergebnissen einer Pilotstudie soll das Projekt Best-Effort-Lösungen als neuen Ansatz für Entscheidungen unter Unsicherheit etablieren. Diese Innovation kann grundlegend verändern, wie Systeme der künstlichen Intelligenz in unsicheren Umgebungen agieren und ihnen ermöglichen, auch ohne verlässliche Informationen sinnvolle Entscheidungen zu treffen.