Ziel des Projekts ist es, Methoden des maschinellen Lernens mit logischem Schlussfolgern zu verbinden. Während Deep-Learning-Modelle (DL) zwar über hohe Rechenleistung und Mustererkennungsfähigkeit verfügen, fehlt ihnen häufig Transparenz und Erklärbarkeit. Durch die Integration von symbolischem Wissen – etwa aus dem sogenannten Facial Action Coding System, das beschreibt, welche Gesichtsmuskelbewegungen mit bestimmten Emotionen verbunden sind – kann ein System geschaffen werden, das seine eigenen Vorhersagen überprüft und verbessert.
Während seines Aufenthalts arbeitete Gebele an der Vorbereitung von Datensätzen, der Entwicklung erster Modellarchitekturen und der Auswertung der bekannten BP4D-Datenbank, die umfangreiche Informationen zu Gesichtsausdrücken enthält. Die Ergebnisse zeigten, dass es erhebliche Lücken in den Annotationen und Unterschiede zwischen Aufgaben und emotionalen Reaktionen gibt – ein Hinweis darauf, dass hybride Ansätze, die maschinelles Lernen und menschliche Expertise kombinieren, entscheidend sind, um Emotionserkennung robuster und nachvollziehbarer zu machen.
Neben der wissenschaftlichen Arbeit prägten auch der persönliche Austausch und die finnische Kultur den Aufenthalt. „Die Offenheit und Neugier der Forschenden in Oulu haben die Zusammenarbeit besonders bereichernd gemacht“, betont Gebele. Die Kooperation mit Dr. Yante Li und Prof. Guoying Zhao wird fortgeführt: Derzeit laufen weitere Experimente; eine gemeinsame wissenschaftliche Publikation ist in Vorbereitung.
Mit dem Projekt unterstreicht das TTZ Günzburg seinen Anspruch, KI-Forschung auf dem neuesten Stand der Technik zu betreiben. Die gewonnenen Erkenntnisse bilden die Grundlage für einen erfolgreichen Technologietransfer.
Ansprechpartner
Jens Gebele
