COMPASS MAGAZINE #10
COMPASS MAGAZINE #10

COMPUTER, DIE DENKEN KÖNNEN Deep Learning verwandelt künstliche Intelligenz in eine Science-Fiction-Tatsache

Deep Learning profiliert sich immer mehr als eines der Zukunftsfelder der künstlichen Intelligenz. Durch einige beeindruckende Fortschritte in jüngerer Vergangenheit glauben Fachleute zunehmend, dass die Technologie bald viele Branchen verändern wird.

Die in Hongkong ansässige Risikokapitalgesellschaft Deep Knowledge Ventures ernannte VITAL, ein Maschinenlernprogramm, das Investitionsentscheidungen treffen kann, 2014 zum neuen Vorstandsmitglied.

VITAL wurde gebaut, um Finanztrends aus Datenbanken von Life-Science-Unternehmen zu analysieren und erfolgversprechende Investitionen vorherzusagen, und hat bereits bei zwei Investitionen mitentschieden. Obwohl das neueste Vorstandsmitglied nur ein Algorithmus ist, hat es viele dazu angeregt, die mögliche Rolle künstlicher Intelligenz (KI) in unserem Leben zu hinterfragen.

Yoshua Bengio, Professor für Computerwissenschaften und Betriebsforschung an der University of Montreal, ist einer der Pioniere einer leistungsstarken Variante der KI, auch Deep Learning genannt. Die Grundlagen von Deep Learning stammen aus den 1980er Jahren, aber jüngste Verbesserungen von Computeralgorithmen und Rechenleistung haben Bengio und andere Wissenschaftler in die Lage versetzt, Maschinen zu bauen, die das Verhalten des menschlichen Gehirns imitieren können – Maschinen, die Menschen, Wörter, Objekte und vieles mehr wiedererkennen können.

„Die viel leistungsfähigeren Computer von heute ermöglichen es uns, viel größere und vielfältigere Datensätze für das Training unserer Netzwerke zu verwenden, wodurch diese immer besser werden“, sagt Bengio. „Die größten Fortschritte gab es bei der Spracherkennung und den bildbasierten Objekterkennungssystemen. Noch 2012, bevor Deep Learning so intensiv eingesetzt wurde, lag die Fehlerrate einer Standardmessgröße bei rund 26%. Jetzt wurde sie auf 6% verringert, und das ändert alles.“

INTELLIGENTERE DATENVERARBEITUNG

Apple verwendet Deep Learning und Spracherkennung für den persönlichen Assistenten Siri. Facebook nutzt die Technologie, um das Foto-Tagging zu automatisieren und neue Feeds anzupassen. Der Streaming-Dienst Netflix (Los Gatos, Kalifornien) bietet dank Deep Learning seinen Nutzern personalisierte Filmempfehlungen. Google wendet es auf seine Dienste StreetView, Google Now und Google+ Photos an.

Obwohl diese Fortschritte schon sehr beeindruckend sind, sind sie nur die Spitze des Eisbergs. Als einige führende Technologieunternehmen der Welt das Potenzial dieser Variante der KI erkannt hatten, stellten sie Experten für Deep Learning ein und verdoppelten ihre Bemühungen, um schneller voranzukommen.

„Deep Learning ist effizienter als ältere Algorithmusgenerationen, wenn es darum geht, große Datenmengen aufzunehmen und Vorhersagen zu treffen“, sagt Adam Coates, Direktor des Silicon Valley AI Labs von Baidu, einem in Peking ansässigen Internetunternehmen. „Dank Grafikprozessoren können wir extrem viele Berechnungen durchführen, mit denen wir neuronale Netze erschaffen, die aus riesigen Datenmengen auf eine Weise lernen können, die vor zehn Jahren noch undenkbar war.“

Baidu nutzt die Deep-Learning-Fähigkeiten, um seine inhaltsbasierte Bildersuchmaschine Shitu zu verbessern. Das 2010 als Beta-Version eingeführte System war ursprünglich als Online-Gesichtserkennung entwickelt worden. 2013 wurde Shitu erweitert und konnte nun ähnliche Bilder gruppieren und Informationen dazu liefern. Beispielsweise erkennt das System ähnliche Blumen und sogar deren Art und kann auf passende Einträge in Online-Enzyklopädien verlinken.

Shitu funktioniert ähnlich wie das neueste Deep-Learning-Projekt von Microsoft: ein Objekterkennungssystem mit dem Namen Project Adam, das Microsoft im Juli 2014 der Öffentlichkeit vorgestellt hat und das doppelt so genau wie und 50-mal schneller als andere KI-Systeme sein soll. Project Adam hatte zum Beispiel eine ImageNet-Datenbank mit über 14 Millionen Bilder in 22.000 Kategorien angezapft und sich nach Aussage von Microsoft selbst beigebracht, woran es bestimmte Hunderassen erkennen kann.

„Wir haben die Fehlerrate bei der Spracherkennung während Testgesprächen mit Deep-Learning-Techniken um ein Drittel reduziert“, sagt Dong Yu, Forschungsleiter der Speech and Dialog Research Group von Microsoft. „In den nächsten Jahren werden wir uns mit der weiteren Verbesserung der Sprachverarbeitung, der Bildklassifizierung, der Verarbeitung natürlicher Sprache und der Handschriftenerkennung beschäftigen.“

Zwar hat Microsoft noch nicht verraten, wie es die Fähigkeiten von Project Adam in professionellen Anwendungen einsetzen will, aber das Unternehmen vermutet, dass darin das Potenzial steckt, die Interaktion der Menschen mit der Welt zu revolutionieren, indem Techniken wie die Augmented Reality (erweiterte Realität) genutzt werden.

BREITERE ANWENDUNGEN

Neue Entwicklungen rund um Deep Learning tauchen in vielen Bereichen auf von der Automobilbranche über das Sicherheits bis zum Verteidigungswesen.

Preferred Networks (PFN), ein Unternehmen mit Sitz in Tokio, hat sich beispielsweise mit Toyota Motor zusammengetan, um herauszufinden, wie seine Deep-Learning-Technologie in der Entwicklung von Autopilotsystemen für selbstfahrende Autos verwendet werden kann. PFN hat auch den Prototypen eines Videoanalyseprogramms erarbeitet, der das Verhalten von Menschen in Echtzeit erkennen, verfolgen und vorhersagen und sie anhand von Geschlecht, Alter, Kleidung und Bewegung kategorisieren kann.

„Damit können Händler das Kaufverhalten ihrer Kunden beobachten, oder es könnte in Kombination mit einem GPS und Fahrzeugsensoren bei der Optimierung von Verkehrsleitsystemen helfen“, sagt Daisuke Okanohara, Gründer und Geschäftsführer von PFN. Die Lösung soll noch in diesem Jahr auf den Markt kommen.

„DEEP LEARNING IST EFFIZIENTER ALS ÄLTERE ALGORITHMUS-GENERATIONEN, WENN ES DARUM GEHT, GROSSE DATENMENGEN AUFZUNEHMEN UND VORHERSAGEN ZU TREFFEN.“

ADAM COATES LEITER DES SILICON VALLEY AI LABS, BAIDU

Derzeit arbeitet das größte Forschungsunternehmen für Kommunikation und Technologie in Australien, National Information Communications Technology Australia (NICTA), an einem visuellen Tracker, der auf Deep Learning basiert, in Echtzeit funktioniert und ein Objekt über einen längeren Zeitraum verfolgen kann.

„Wir glauben, dass diese Technologie für Mensch-Computer-Interaktionen, Bildersuche, intelligente Transportsysteme (von der Straßeninstandhaltung bis zu Fahrassistenzsystemen) und sogar für die Erschaffung eines bionischen Auges genutzt werden kann, das die Funktionen der Netzhaut imitiert und Menschen mit starker Sehbehinderung ihr Augenlicht zurückgibt“, sagt Yi Li, Forschungsleiter bei NICTA und Adjunct Research Fellow an der Australian National University in Canberra.

Auf der anderen Seite des Pazifiks hat Enlitic, ein Startup aus San Francisco, Pläne für Deep Learning im Gesundheitswesen. Dort möchte man mit dieser Technologie ein integriertes bild und datenbasiertes System entwickeln, das Ärzten die schnellere und präzisere Diagnose häufiger und komplexer Erkrankungen ermöglicht.

„Unsere Software soll den Ärzten diverse Anhaltspunkte vorlegen, die in der Kombination auf eine bestimmte Krankheit eines Patienten hinweisen könnten“, sagt Ahna Girshick, Leiterin für Produkte und Partnerschaften bei Enlitic. „Wenn beispielsweise im Ultraschall Wachstumsherde in der Lunge eines Patienten sichtbar sind, könnte die Software Patientenakten heraussuchen, die ähnliche Auffälligkeiten aufwiesen, und deren Symptome, Laborbefunde, Geschlecht und Erfolg des Behandlungsplans anzeigen. Dadurch könnten Ärzte rasche, informierte und präzise Entscheidungen treffen, die großen Einfluss auf das Leben der Patienten haben.“

EIN BLICK IN DIE ZUKUNFT

Obwohl sich noch viele dieser Deep Learning-Anwendungen in der Entwicklungsphase befinden, steckt in ihnen das Potenzial, den Umgang der Menschen sowohl mit Maschinen als auch mit ihrer Umwelt zu revolutionieren.

„Unsere Sensoren können heute ohne weiteres Werte messen, und unsere Computer können lernen, von selbst Objekte wiederzuerkennen, aber das Problem der Wahrnehmung ist noch lange nicht gelöst“, sagt Bengio. „Wir sind gespannt, was noch kommt, und wir haben noch einen langen Weg vor uns, bevor Deep Learning ein Stadium erreicht, in dem Maschinen wirklich erkennen und verstehen, was sie sehen, so wie wir Menschen. Wenn dieses Stadium erreicht ist, eröffnen sich grenzenlose kommerzielle Anwendungsmöglichkeiten.“

VORSICHTIG BLEIBEN

Viele der bedeutendsten Wissenschaftler der Welt warnen davor, dass Science-Fiction-Filme, in denen intelligente Computer die Weltherrschaft übernehmen, gar nicht so abwegig sein könnten.

In einem Interview mit der BBC im Dezember 2014 sagte der Physiker Stephen Hawking: „Die Entwicklung einer vollständigen KI könnte den Untergang der Menschheit bedeuten. Sie würde sich selbstständig weiterentwickeln und immer schneller umstrukturieren. Menschen, die durch die langsame biologische Evolution eingeschränkt sind, könnten dabei nicht mithalten und würden verdrängt werden.“

Im Januar 2015 hat Hawking mit vielen anderen Wissenschaftlern, Professoren und Forschern von Universitäten und Unternehmen auf der ganzen Welt – darunter auch Yann LeCun von Facebook sowie Geoffrey Hinton und Peter Norvig von Google – einen offenen Brief unterzeichnet, in dem neue Prioritäten in der KI-Forschung gefordert werden.

Angesichts der riesigen potenziellen Vorteile von KI-Systemen mahnte der offene Brief mit dem Betreff „Research Priorities for Robust and Beneficial Artificial Intelligence: an Open Letter“ (zu Deutsch: Forschungsschwerpunkte für eine robuste und nutzbringende künstliche Intelligenz – ein offener Brief), dass man unbedingt erforschen müsse, „wie man von den Vorzügen profitiert und mögliche Fallstricke vermeidet“, damit KI-Technologie der Menschheit dient. Ein begleitendes Dokument listete diverse Beispiele möglicher Forschungsprojekte, durch die der gesellschaftliche, wirtschaftliche und gesundheitliche Nutzen von KI maximiert werden kann und sie zugleich „robust und nutzbringend im Sinne der menschlichen Interessen“ bleibt. Das Dokument enthält auch die Warnung, dass die „Entwicklung von Systemen, die über viel Intelligenz und Autonomie verfügen, grundlegende juristische und ethische Fragen aufwirft.”

Elon Musk, Gründer und CEO von Tesla Motors und des US-amerikanischen Raumfahrtunternehmens SpaceX, hat den Brief auch unterzeichnet und verspricht, 10 Millionen US-Dollar für ein globales Forschungsprogramm zu KI unter der Führung der Non-Profit-Organisation Future of Life Institute (FLI) mit Sitz in Boston zu spenden. „Dort sind alle führenden Wissenschaftler der Meinung, dass die KI-Sicherheit wichtig ist“, sagt Musk. „Ich glaube das auch und spende darum 10 Millionen US-Dollar für die Forschung, damit KI auch weiterhin dem Wohle der Menschheit dient.”

Den Großteil dieses Geldes wird FLI an KI-Forscher vergeben und den Rest an KI-bezogene Forschungsprojekte auf anderen Gebieten, wie Wirtschaft, Recht, Ethik und Politik.

von Rebecca Gibson Zurück zum Seitenbeginn
von Rebecca Gibson

Erfahren Sie mehr über Google Deep Learning
https://www.youtube.com/watch?v=JBtfRiGEAFI