AI is always faced with challenges when it comes to evaluating images

What seems logical and clear to people in pictures, can be a huge challenge for artificial intelligence.

Image noise and knowledge logic require new solutions

Basically, two subject areas pose more or less major problems for artificial intelligence in image evaluation. This is the aleatory (random noise on objects) and the epistemic model.

Epistemic logic is one example, when Artificial Intelligence cannot distinguish a street from the sidewalk next to it, because both elements are made of asphalt.

In 3D recordings, this can perhaps be solved through the third dimension. However, such image sources are always available? Probably only in very few cases.

Live evaluation in autonomous driving is still not possible due to a lack of computing power and a certain level of uncertainty, the 3. dimension in this fineness.

In general, this problem can be solved in the learning phase, if you provide the system with further data and the algorithm approaches it with probabilities, that in our example there is a sidewalk next to the road.

When it ultimately comes down to human safety, objects and machines, Probabilities alone are a poor solution.
In such a sensitive environment, further safeguards must be installed. Whether it's radar electronics or distance sensors, must be tested in case of doubt.

For pure image recognition such as X-rays or similar, The algorithm can only be kept under control through an extended learning phase.

Aleatorics easier to solve

The random noise in images (Random) In many cases, this can be contained with higher resolutions. But there is also something to consider, that this can also trigger other sources of error. If the accuracy is too high, you can create new problem areas – depending on the available image material.

For explanation: In aleatorics, blur does not mean the entire image, but the demarcation of objects from one another. A traffic light or a tree trunk can be perceived by the software as jagged or stepped. No problem for a human, However, it is a disruptive factor that should not be underestimated for the program logic.

If there is enough computing power available, The most elegant solution is often to solve the aleatorics in software. With the help of artificial intelligence and an extensive learning phase, image noise can be minimized.

Instinctive actions only under laboratory conditions

Both subject areas are particularly important in the mobility industry. Heavy rain or even snowfall have so far been difficult problems for image recognition in the field of artificial intelligence. For humans it is instinctively clear, that a snowflake on the window or on a sensor does not pose a dilemma – What and how can you prevent artificial intelligence in an autonomous vehicle?, in this case, initiate emergency braking.

Based on my current knowledge, ultimately only a combination of several systems will ensure safe movement. Until artificial intelligence is ready and can reliably interpret human instincts in traffic, years will pass.

When aleatorics and the problems of the epistemic logic of knowledge are solved, is a huge step towards fully autonomous regional driving- and long-distance train done. In contrast to road traffic, the rules and sources of error in rail traffic are more manageable.

Complexity should not be underestimated

I am aware, that the topic is much more complex. To introduce laypeople to the topic, I allowed myself, only the most serious construction sites need to be mentioned.

Artificial intelligence manages charging stations for electric cars

Artificial intelligence - Electric car
Artificial intelligence – Electric car

Public charging stations will be the fuel pumps for electric cars on longer tours. AI already supports the driver in certain areas.

Modern cars – u. a. of the Mercedes EQC – provide the driver with a route in the integrated navigation system with charging stations close to their route. A great thing!

Is this charging station free on arrival? This question remains unanswered and is a matter of luck. The next step has to be, that you can reserve the charging station fully automatically for your arrival. The arrival time can be calculated quite precisely by the navigation system, taking into account the current traffic situation.

Charging times can also be calculated taking into account the individual parameters, so that time management can take place for each charging point. Networking can avoid long downtimes.

This is technically feasible without great effort. One obstacle is so far, that loaded cars often stay longer than necessary at the stations.

The first step is to notify drivers of the end of the charging process via text message. Who doesn't make room for the next one within a certain period of time, must expect additional costs.

Manufacturer-independent management necessary

Requirement for planning, Reservation and implementation of the vision is a central point, which manages all public charging stations regardless of manufacturer.

To offer the driver the greatest possible comfort, a form of billing must be found, which is modern and transparent.

Whether the billing takes place directly with the driver or an institution – Car manufacturer or automobile club – is interposed, can be set individually.

Build charging stations with common sense

My hair stands on end, when i hear, what a high number of charging stations in public spaces (allegedly) are necessary, to ensure an adequate supply.

According to an article in Handelsblatt (15.04.2019) require experts “until 2030 all in all 600.000 Charging points in public spaces, a million at the workplaces as well 10.000 Fast charging stations mainly at motorway service stations”.

14.000 We have petrol stations with approx. 160.000 Gas pumps

14.118 Gas stations (Stand: 2018) are currently available in Germany – unconfirmed information according to a total of approx. 140.000 – 160.000 Fuel pumps. At over 80 My. Vehicles with diesel / gasoline engines.

Even if the charging process for electric cars takes longer and it does 2030 7 My. planned e-cars, it will be a disaster over economically 600.000 set up public charging points.

Sufficient according to more realistic estimates 350.000 Charging points in parking lots in shopping centers, Leisure facilities as well as the envisaged 10.000 Fast charging points are completely out of the question, mainly near motorways.

Outside of the holiday season, very few people drive in one go beyond the average range of 400 km of an electric car.

Mobile charging stations bridge bottlenecks

During the holiday periods, mobile fast charging stations can be found at truck stops, Avoid service areas and bottlenecks along the transport hubs. Mobile charging stations in exhibition car parks and other event locations such as festivals or concerts are also an issue.

With a healthy basic supply where the action is (job, purchasing, leisure) Isn't it economic madness to provide an abundance of cheap infrastructure.

Artificial intelligence can be of great help in choosing and operating suitable locations.

I see them too 1 My. required charging stations in companies are critical.
Many employees live within a radius of 20 km around the place of residence and on the other hand is the job market – also thanks to artificial intelligence – so changing, that in a few years many jobs in factories will disappear and more and more home workplaces (Homeoffice) develop.

From today's perspective, the number may be correct, but by the end of this decade a far lower number is necessary.

Künstliche Intelligenz schützt vor Autopannen

Gläserne Automobilfabriken sind keine Neuigkeit mehr. Auch die digitalen Lieferketten in der Automobilindustrie sind auf dem Stand der Technikdes derzeit Machbaren.
Hierüber hinaus gibt es bereits mehr oder weniger seriöse Visionen. Noch in dieser Dekade sollen Autos in menschenleeren Fabriken nur von Roboternverbunden mit künstlicher Intelligenzhergestellt werden. Ziel ist ganz klar die fehlerfreie und schnellere Montage.

Meine Gedanken drehen sich in diesem Artikel um die technische Einbeziehung individueller Fahrzeugparameter in den täglichen Gebrauch.

Ob Warnhinweis oder Tipps, alles kann in der Praxis auf das Display oder Heap Up eingeblendet werden.

Auch ein Automobil hat nur ein Leben

Es mag sich kindisch anhören, auch einem Auto kann man ein EKG machen. Sogar permanent!
Die Daten werden schon heute im Auto intern erfasst. Anders wie bei einem Menschen, muss keine Schnittstelle mittels Manschette oder Pulsmesser zwischen realer und digitaler Welt geschaffen werden. Die Daten liegen bereits digital vor. Beste Voraussetzungen für den nächsten Schritt.

Anders als beim Menschenleben ist der Tod bei Maschinen vorhersehbarer und somit planbar. Auf der anderen Seite kann das maschinelle Absterben auch verhindert werden.

Dank künstlicher Intelligenz ist dies alles keine neue Erkenntnis! Neu ist der Gedanke, dass die Fahrzeugdatenanonym oder zuordenbarmit Hilfe der digitalen Vernetzung im G5-Status live an den Automobilhersteller gesendet werden.

Echtzeitauswertung ist eine Leichtigkeit

In Zeiten von Quantencomputern ist es eine Leichtigkeit in Echtzeit Parameter zu vergleichen und dann warnend einzugreifen, wenn der Computer sieht, dass diese Entwicklung bei einem anderem PKW dieser Baureihe zu einem Motorschaden geführt hat.

Mag sich einfach anhören, aber die Einbeziehung von Außentemperatur und Terrain sind Sachen, die zu einer seriösen Darstellung Berücksichtigung finden müssen.

Hohe Motortemperatur und hoher Öldruck sind auf der Autobahn Warnsignale, bei einem Autoeventuell sogar mit schwerem Wohnwagen im Schlepptauauf der Bergstraße jedoch völlig normal.

So ist es unverzichtbar auch die Situation vor dem Eintritt in den aktuellen Zustand in die Lagebeurteilung einzubeziehen.

Wer immer schonend fährt und die Sensoren plötzlich abnormale Fahrzeugwerte übermittelt, gehört anders gewarnt als wenn eine Person täglich sein Auto am Limit bewegt und den Motor bis zum Drehzahlbegrenzer ausfährt.

Warnlampen hat jedes Automobil genug an Bord, diese blinken auch schon heute ohne künstliche Intelligenz in Gefahrensituationen bestens.

Durch die Übermittlung und permanente Situationsbeurteilung werden die Entscheidung in der digitalen Leitstelle jedoch ähnlich gelagerten Daten anderer Auto verglichen.

Künstliche Intelligenz schützt Mensch und Maschine

Wenn die künstliche Intelligenz zu dem Schluss kommt, dass akute Gefahr für Mensch und Maschine besteht, kann dies auf dem Fahrer angezeigt werden bis hin zur Aufforderung den Motor sofort abzustellen.

Zwangsweise Eingriffe von Außen sind tunlichst zu unterlassen, da dem Leitstand die Situation vor Ort unbekannt ist: Auto auf Überholspur, Fahrer gerät bei Zwangsstopp eventuell in Panik, sind nur ein paar wenige Gedanken, die dagegen sprechen.

Viel mehr soll man die Daten nutzen um bei Bedarf dem Fahrer eine passende Werkstatt mit Terminvorschlag zu unterbreiten. Wenn man dann noch das passende Ersatzteil zu dem Termin parat hat, erleichtert künstliche Intelligenz das Leben. Bei solch einem Komfort wird die Technik viel Anerkennung finden.

KI gegen kalte Wintertage vor leeren Autobatterien

Wohl niemand hat etwas dagegen, wenn schon im Vorfeld die sich leerende bzw. alternde Batterien gewechselt wird. Nichts ist schlimmer als wenn an einem kalten Morgen das Auto den Start verweigert.

Um ehrlich zu sein, im ersten Schritt hat es wenig mit künstlicher Intelligenz zu tun. Die Messungen beruhen auf Sensordaten.
Erst die Verarbeitung, der Vergleich und die richtige Deutung dieser digitalen Werte, bringt die künstliche Intelligenz mit ins Spiel.

Künstliche Intelligenz kann Landeabbrüche von Flugzeugen reduzieren

Wenn künstliche Intelligenz Ihre Landung sicherer macht, sind Sie dabei?

Fast täglich hört man in den Medien, dass Flugzeuge im Anflug durchstarten müssen und zumeist nach einer Platzrunde (“Ehrenrunde”) erneut zur Landung ansetzen.

Dieser Vorgang ist absolut normal und erhöht sogar die Sicherheit. Nichts wäre schlimmer als wenn ein Flugzeug schräg oder zu spät auf der Landebahn aufsetzt. Die Folgen wären katastrophal.

Natürlich kosten Landeabbrüche neben Kerosin und auch viel Zeitneben Ihrer auch die Zeit des Bodenpersonals. Ganz davon abgesehen, dass die Flugpläne durcheinander kommen.

KI kann Verhaltensmuster erkennen

Es wäre sehr interessant Landeabbrüche mit künstlicher Intelligenz zu erforschen: nicht um den Piloten an den Kragen zu gehen oder eine Airline
wegen schlechter Ausbildung an den Pranger zu stellen, sondern schlicht und ergreifend herauszufinden unter welchen Bedingen, die meisten Abbrüche erfolgen.

Wenn herauskommt, dass bestimmte Wetter- und/oder Windverhältnisse die Zahl der Abbrüche erhöht, so kann man dagegen gezielt vorgehendie Piloten warnen oder andere Anflugrouten wählen.

Künstliche Intelligenz kann somit dazu beitragen in Zukunft die Landeabbrüche zu reduzieren. Neben oben genannten Faktoren wird auch ganz nebenbei die Umwelt geschont.

Natürlich werden Landungen immer eine Herausforderung für Mensch und Maschine bleiben.
Wenn die KI ergänzend in den Entscheidungsprozess integriert wird, ist nicht nur den Fluggästen geholfen.

Die Akzeptanz der neuen Technik wird durch solch populären Maßnahmen innerhalb kürzester Zeit erhöht.

Künstliche Intelligenz ist Reizthema

Einerseits ist es schön, dass künstliche Intelligenz in aller Munde ist, aber mit unsachgemäßer Berichterstattung wird viel Gutes zerredet. Dies liegt einerseits an unqualifizierten Journalisten und natürlich auch an populistischer Auslegung der Technik.

KI rettet heute schon im Hintergrund viele Menschenleben! Wie schon in einem anderen Artikel erwähnt, ist die starke KIRoboter mit menschlichem Verhaltennoch meilenweit von der Realität entfernt.

Nur in Hollywood haben Roboter bereits die Menschheit besiegt. Glückwunsch!

Wenn Sie sich bewusst machen, dass sich noch nicht einmal die Biologen einig sind, wie das menschliche Gehirn im Detail funktioniert, so kann man sich beruhigt zurücklehnen. Solange das menschliche Verhalten nicht erklärbar ist, so kann man dies auch keinem Roboter beibringen.