Diese Website verwendet nur technisch notwendige Cookies. In der Datenschutzerklärung können Sie mehr dazu erfahren.

Zum Hauptinhalt springen
Logo, Startseite der Hochschule der Medien

Maschinen ergänzen den Menschen

"Die Künstliche Intelligenz von Maschinen wird niemals an die der Menschen herankommen", meint Dr. Johannes Maucher, Professor an der Hochschule der Medien (HdM). Der Experte auf diesem Gebiet ist beeindruckt, was die Technik heutzutage schon leistet. Deep Learning ist ein noch junges Teilgebiet dieser Forschung, mit dem sich Professor Maucher beschäftigt.

Facebook, Skype, Apple, Google oder Otto - sie alle treiben die Erforschung von Künstlicher Intelligenz in vielen Bereichen unseres Lebens voran. Während sich der Chat-Dienst Skype mit seiner Funktion "Skype Translator" auf die Fähigkeit von Maschinen, die menschliche Sprachkompetenz nachzuahmen, fokussiert, optimiert der Versandhändler Otto die Steuerung der Lagerhaltung.

Hierzu werden in Computern maschinelle Lernverfahren eingesetzt, die in Bruchteilen von Sekunden aus riesigen Datenmengen relevantes Wissen extrahieren. Mit den gelernten Modellen können die Rechner Objekte erkennen oder Vorhersagen treffen.

Die Entdeckung von Deep Learning

Maschinelles Lernen kann unter anderem mit künstlichen, neuronalen Netzen realisiert werden. Diese ahmen die Struktur des menschlichen Gehirns nach, verarbeiten schichtförmig unterschiedliche Datentypen wie Bilder, Videos oder Sprache und klassifizieren diese. "Bis vor neun Jahren funktionierte dieses Lernverfahren auf zwei Schichten, dann folgte die Entdeckung eines Lernalgorithmus, der auch in tieferen Schichten verlässliche Ergebnisse liefert", so Professor Maucher über Deep Learning, ein Meilenstein in der Forschungsgeschichte von Maschinellem Lernen.

Hinzu kam, dass fortan die riesige, benötigte Menge an Daten nicht mehr von Hand getaggt, also gekennzeichnet, werden musste. Bei Deep Learning sind nur wenige Schlagworte notwendig, damit Maschinen erstmals unüberwacht eigenständig lernen und zukünftige Daten beurteilen können. Eine hundertprozentige Trefferquote bietet aber auch das mehr- und tieferschichtige Lernverfahren nicht. Eine Maschine wird nie an die menschliche Intelligenz herankommen, dazu fehlen ihr Eigenschaften wie Intuition und Allgemeinwissen und auch weitere Umstände können das Ergebnis verfälschen, wie Professor Maucher darstellt: "Bei der Gesichtserkennung zum Beispiel beeinflussen die Gesichtsposition oder ein unruhiger Hintergrund die Berechnung."

Erfolgreicher Einsatz von Deep Learning

Nichtsdestotrotz ist der Experte bereits jetzt von den Möglichkeiten beeindruckt: Bei der Stimmungsanalyse beispielsweise, die im Einzelhandel besonders beliebt ist, werden die Kundenbewertungen eines Produkts im Internet gescannt. "Der Computer ist bei der Flut an Informationen klar im Vorteil und erkennt schnell, wenn zum Beispiel bei der Einführung eines neuen Produkts die Stimmung kippt", erklärt Maucher. Eine Schwachstelle der Analyse ist die Interpretation von Ironie. In diesem Fall wäre der Mensch besser als die Maschine, müsste aber aufgrund der riesigen Datenmenge viel Zeit investieren.

"Die großen Unternehmen geben für Experten auf dem Gebiet inzwischen viel Geld aus ", so Maucher. Auch bei den Unternehmen in Stuttgart ist das Interesse an dem Data-Mining-Verfahren rapide gestiegen. Derzeit betreut der HdM-Professor allein bei Bosch und Daimler zehn Abschlussarbeiten zum Thema Maschine-Learning. Für Interessierte veranstaltet die Hochschule am 20.11.2015 den Deep Learning Day.

Maschinen helfen bei riesigen Datenmengen

Professor Dr. Johannes Maucher steht dem technischen Fortschritt positiv gegenüber: "Der Mensch kann nahezu alles besser als Maschinen, wenn es um allgemeines Wissen geht. Wir sollten die Maschinen aber bei der Bearbeitung von riesigen Datenmengen als Hilfe sehen, denn sie benötigen deutlich weniger Zeit für die Lösung dieser Aufgabe als wir."

Quellen:

heise.de

Tagesschau.de

Ims.uni-stuttgart.de

 

Ann-Katrin Wieland

 


Kontakt:
Prof. Dr. Johannes Maucher
E-Mail: maucher@hdm-stuttgart.de

Weiterführende Links:
https://www.hdm-stuttgart.de/csm
https://www.hdm-stuttgart.de/mi
https://nips.cc/Conferences/2014/

30. Juli 2015