Page - (000486) - in Autonomes Fahren - Technische, rechtliche und gesellschaftliche Aspekte

Lernen autonome Fahrzeuge?468 basierte Verhalten zeigt, ist der aktuelle Straßenverkehr mit der vorhandenen Effizienz, Genauigkeit und Sicherheit möglich. Zusätzlich führt dieses Verhalten zu einem individuellen Fahrverhalten. In ein und der- selben Situation handeln Fahrer unterschiedlich und haben verschiedene Vorlieben für die Wahl des Abstands, der Geschwindigkeit und der Beschleunigungen. Eben diese Fähigkeiten, die das fertigkeits-, regel- und wissensbasierte Verhalten er- möglichen, werden mit der Automatisierung aus der Fahrzeugführung genommen und durch entsprechende Fähigkeiten des Fahrroboters ersetzt. 22.3 Lernende technische Systeme Der Begriff des Maschinellen Lernens steht für ein Forschungsgebiet, das sich mit Metho- den für die Erstellung von Algorithmen beschäftigt. Eine besondere Eigenschaft dieser Algorithmen ist die automatische, auf Erfahrungen basierende Verbesserung des techni- schen Systems. Die automatische Verbesserung folgt dabei den Regeln und Maßen, die der menschliche Entwickler zuvor definiert hat. Kontrovers diskutierte Vorstellungen von voll- kommen frei und kreativ handelnden Maschinen, wenn es diese überhaupt geben wird, sind nicht im Fokus dieser Betrachtung. Für den Einsatz des Maschinellen Lernens wird eine klar definierte Aufgabe benötigt, für die eine Bewertungsmetrik sowie (Trainings-)Daten zur Verfügung stehen. Ein oft verwendetes Zitat für die Definition von Maschinellem Lernen stammt von Mitchell: A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E. [7] Nach Mitchell [7] hat sich Maschinelles Lernen im Einsatz besonders dann bewährt, wenn 1. eine große Anzahl von Daten in einer Datenbank existiert und diese möglicherweise implizit Informationen enthält, die automatisiert extrahiert werden können, 2. Menschen über einen gewissen Bereich nur ein schlechtes Verständnis besitzen und somit das Wissen für effektive Algorithmen fehlt oder 3. Aufgaben eine dynamische Anpassung an sich ändernde Umgebungsbedingungen erfordern. Wie diese Definition und die Einsatzbereiche zum autonomen Fahren passen, wird in Abschn. 22.4 diskutiert. Zunächst wird jedoch ein Einblick in Verfahren des Maschinellen Lernens gegeben. Mithilfe von Beispielen aus verschiedenen Bereichen wird die Breite der Einsatzmöglichkeiten demonstriert, bevor auf das autonome Fahren als besondere Aufgabe eingegangen wird.