Google AI schafft seinen eigenen Nachwuchs

Die spannendste Arbeit im Bereich der künstlichen Intelligenz (KI) findet im Bereich des maschinellen Lernens mit einer Technik statt, die als Deep Learning bezeichnet wird. Dieser Prozess ermöglicht es Computern zu lernen, indem sie riesige Datenmengen durch einen komplexen Satz von Algorithmen laufen lassen. Dieses System ist vom menschlichen Gehirn inspiriert und wird als neuronales Netzwerk bezeichnet.

Der Aufbau dieser Systeme erfordert ein Team von Wissenschaftlern und Ingenieuren, die sorgfältig die Regeln und Methoden entwerfen, die notwendig sind, um das gewünschte Ergebnis zu erzielen. Angesichts des derzeitigen Booms der künstlichen Intelligenz sind Experten, die über die erforderlichen Fähigkeiten zur Erstellung dieser Systeme verfügen, Mangelware. Weltweit sind schätzungsweise nur etwa 10.000 Menschen in der Lage, diese Aufgabe zu bewältigen.

Die Wissenschaftler bei Google, einer Abteilung von Alphabet (WKN:A14Y6F), haben Pionierarbeit im Bereich der künstlichen Intelligenz geleistet und sich gefragt, ob sie ein KI-System aufbauen könnten, das in der Lage ist, zukünftige Systeme zu entwerfen.

Hollywood vs. Realität

Im Gegensatz zur Darstellung von KI in Filmen wird jedes KI-Modell für eine sehr spezifische und eng definierte Aufgabe erstellt — und kann nur diese erfüllen. Um ein extrem vereinfachtes Beispiel zu verwenden: Wenn ein System dazu entworfen wurde, Katzen zu erkennen, kann es die Samtpfoten extrem geschickt unterscheiden — ist aber völlig unfähig, einen Hund zu identifizieren. Folglich müssen die Wissenschaftler für jede weitere Aufgabe ein neues System erstellen. Dazu gehören so unterschiedliche Funktionen wie die Spracherkennung, die von Smartphones verwendet wird, oder die Sprachübersetzung, die von Google Translate durchgeführt wird.

Bereits im Mai debütierte Googles AutoML-Projekt (ML = Machine Learning), mit dem versucht wurde, den Entwurfsprozess dieser maschinellen Lernsysteme zu automatisieren. Die Schaffung eines KI-Systems, das nachfolgende Systeme aufbauen könnte, würde die Zeitspanne verkürzen, die für die Bereitstellung neuer Modelle benötigt wird. In einem Blog-Post schrieben die Forscher des Google Brain Team Quoc Le und Barret Zoph:

In unserem Ansatz (den wir “AutoML” nennen) kann ein neuronales Netz von Controllern eine “Kind”-Modellarchitektur vorschlagen, die dann für eine bestimmte Aufgabe trainiert und auf Qualität evaluiert werden kann. Dieses Feedback wird dann genutzt, um den Controller darüber zu informieren, wie er seine Vorschläge für die nächste Runde verbessern kann. Wir wiederholen diesen Prozess tausende Male — wir generieren neue Architekturen, testen sie und geben dem Controller das Feedback, von dem er lernen kann.

Die Wissenschaftler stellten fest, dass letztendlich die Controller-KI besser werden und ein höheres Maß an Genauigkeit beim Training des Kindes erreichen würde.

Ein Kind wird geboren

Das Ergebnis dieser Forschung war ein KI-System mit dem Namen NASNet, das KI-Kind, das in Computervision ausgebildet wurde und Objekte erkennen lernte — genau wie die Technologie, die bei selbstfahrenden Autos zum Einsatz kommt. Nachdem der Trainingsprozess tausende Male wiederholt wurde, wurde das System gegen ImageNet-Bildklassifikations- und COCO-Objekterkennungsdatensätze getestet, “zwei der angesehensten akademischen Großdatensätze in der Computervision”.

Bei der Aufgabe, Objekte wie Menschen und Drachen in Echtzeit-Videostreams zu erkennen, erreichte das Kind-System eine Genauigkeitsrate von 82,7 %. Dies ist genauer als jedes derzeit verfügbare System auf dem neuesten Stand der Technik und besser als jedes von Menschen gebaute System. Es reduzierte auch die Rechenkosten um die Hälfte.

Die Zukunft ist da

Google ist der Ansicht, dass seine neuesten Forschungsergebnisse auf viele Computervision-Anwendungen angewendet werden könnten. Das Unternehmen ist überzeugt, dass andere in der Lage sein werden, auf diesen Systemen aufzubauen und sie zu verbessern, um “eine Vielzahl von Problemen mit der Computervision anzugehen, die wir uns noch nicht vorstellen können”.

Gegenwärtig ist die Selbstfahr-Technologie auf dem besten Weg zur Einführung, und Verbesserungen bei den Bildverarbeitungssystemen werden zu mehr Sicherheit bei autonomen Fahrzeugen führen.