10.11.2017

Deep Learning in neuen Höhen

Paul Hofmann
Paul Hofmann Editor, Udacity Europe

Sie erkennen Bilder, Mimik oder Krankheiten, gewinnen Spiele und warten Maschinen bevor es etwas zu warten gibt. Mit jedem Tag entlädt sich die Intelligenz smarter maschineller Systeme.

Wir haben längst erkannt, das künstliche neuronale Netze, sogenannte Deep-Learning-Systeme, auf diesen Gebieten mehr als Alternativen zum menschlichen Gehirn sind.

Ihre Dynamik ist enorm. Mit steigender Komplexität von Deep Learning-Systemen steigen sowohl die Einsatzmöglichkeiten, als auch der Anspruch an einen Kurs, der Prozesse des Maschinenlernens vermitteln soll. Als unser Deep Learning Nanodegree-Programm im Januar 2017 herauskam, war es das Erste seiner Art. Über 10.000 Lernende haben ihn seitdem absolviert, nun haben wir nach- und feinjustiert, um den Kurs als besten seiner Art zu etablieren. Für die nächsten Tausenden, die die Zukunft bilden, indem sie erkennen, wie man künstlich-neuronale Netze baut – und auf reale Herausforderungen unserer Welt anwendet.


← Hier könnt ihr unseren zweiwöchentlichen Newsletter abonnieren. Wir würden uns freuen. 👍


Die also definieren, wie diese Technologien unsere Welt zu einer besseren machen. Denn das kann Deep Learning bereits heute …


🏥

… Indem es Krankheiten diagnostiziert und neue Wirkstoffe findet.

Ihr kennt vielleicht Sebastian Thrun – als Gründer von Google X und natürlich Udacity. Ihr wisst vielleicht, dass er ein Pionier der autonomen Automobilität ist. Sehr wahrscheinlich wisst ihr nicht, womit er sich derzeit am intensivsten beschäftigt:

Mit einem Team in Stanford forscht Sebastian zur Erkennung und Klassifikation von Krebszellen durch Deep Learning. Die Algorithmen lernten, verdächtige Merkmale zu finden, die helfen, die Krebszellen von gesunden Zellen zu unterscheiden – und letztlich mehr solche Merkmale entdecken als der Medizin bislang bekannt waren.

Dieses Projekt macht Mit bemerkenswerte Fortschritte – und ist auch für euch von Vorteil: Im Deep Learning-Programm gibt Sebastian Thrun eine Lesson zum medizinischen Einsatz und neue Einblicke in die Forschung. Im Classroom-Labor seht ihr euch die Techniken nicht nur theoretisch an, sondern versteht, wie die Netze präziser diagnostizieren, besser therapieren und irgendwann auch neue Wirkstoffe entwickeln können.


-

Bisher zu Deep Learning im Blog …


👓   Deep Blue schlägt den Schach-Weltmeister, kann aber keine Türen öffnen. Wie weit ist die KI-Entwicklung durch Deep Learning wirklich?
👓   Unser US-Blog listet noch mal alle Neuerungen des Programms auf: Deep Learning with Udacity Adds New Layers

-

🚦

… Indem es Bilder und Symbole erkennt

Forscher von Google haben ein Deep-Learning-Netz eingesetzt, um auf vielen Millionen Google-Street-View-Aufnahmen die Hausnummern zu finden und zu lesen, auch wenn sie gedreht, gekippt oder ungewöhnlich geschrieben waren. Das diente dazu, die Häuser in Google Maps exakt zu lokalisieren. Ein Team von Menschen wäre mit einer solchen Aufgabe jahrelang beschäftigt gewesen. Der Computer schaffte es in weniger als einer Stunde.

Dieser Erfolg liegt bereits sieben Jahre zurück. Die täglichen Fortschritte der Computer Vision sind besonders für die automatisierte Mobilität zentral: Fahrzeuge müssen ja nicht nur verdeckte, im Dunkeln oder Gegenlicht liegende Verkehrszeichen, sondern auch den Gegenverkehr, etwaige Fußgänger oder Fahrradfahrer identifizieren können.


Mops? Cocker? Terrier? Pinscher? Euer Netzwerk kann antworten.


Im Programm geht ihr fünf ganz ähnliche Projekt an. Zum Beispiel entwerft und trainiert ihr ein konvolutionelles Netzwerk, das Hunderassen bestimmen kann und bereit euch so auf komplexere Anwendungen vor.

Die werden definitiv kommen: Mit dem Abschluss des Deep Learning-Programms ist der Zugang zu einem der drei weiterführenden Nanodegree-Programme Robotik, Self-Driving Car oder künstliche Intelligenz nämlich garantiert. Ihr umgeht damit die Bewerbungsphase.


😶

… Indem es Mimik und Gestik liest

Gefühlserkennung ist für Marktforscher ebenso wertvoll wie für die moderne Servicerobotik, die aus Mimik, Gestik oder Tonfall des menschlichen Gegenübers schlussfolgern kann, welcher Service angebracht oder gewünscht wird und entsprechend reagieren kann.

Affdex, eine Software aus den USA, kann echtes von falschem Lächeln unterscheiden. Sie scannte über mehrere Jahre Menschen in über 70 Ländern beim Videos schauen.

Affdex lernte dabei grundlegende Emotionen wie Freude, Überraschung oder Traurigkeit kennen. Denn ganz egal, woher die Probanden kamen, welches Geschlecht oder Alter sie hatten: Die Emotionen spiegelten sich in ihren Gesichtern auf ähnliche Weise wider. Inzwischen hat Affdex eine präzisere Emotionserkennung als viele Menschen.


Deep Learning in neuen Höhen: Persönliche Fachgespräche, fünf praktische Projekte und Zugang zum nächsten Nanodegree-Programm garantiert


… Indem es Spiele gewinnt (und weiterentwickelt)

Die Niederlage des weltbesten Go-Spielers gegen die Software AlphaGo im März 2016 ist mittlerweile eine Legendenerzählung in der Geschichte des Maschinenlernens.

Monate zuvor hatten die Entwickler von AlphaGo bereits ein Programm vorgeführt, das sich 50 klassische Games (etwa Space Invaders, Breakout oder Autorennen) antrainierte. Und zwar vollkommen selbstständig und ohne die Regeln dieser Spiele vorab eingespeist zu bekommen. Der Algorithmus spielte einfach solang und so variabel, bis er die Punktzahl maximiert hatte.

Mittlerweile arbeiten Forscher daran, Software das Pokern beizubringen. Einige Programme bluffen schon, man kann bei einem Spiel mit imperfektem Informationsfluss aber noch lange nicht behaupten, dass Rechner besser spielen als Menschen.

Stellt euch eine weiterentwickelte Pokermaschine allerdings mal in Verbindung mit einem ausgeklügelten Deep Learning-System für Emotionserkennung vor…


🚅

… Indem es Maschinen wartet

Velaro kommt immer. Sagt zumindest sein Hersteller. So erreicht der russische Hochgeschwindigkeitszug zwischen St. Petersburg und Moskau eine Verfügbarkeit von 99,98 Prozent, obwohl er auf dieser Strecke wegen der Temperaturunterschiede an vielen Stellen vereist. Sein Vorteil: maschinelle Optimierung.

Solche modernen Transport- oder Industriesysteme arbeiten über sensorische Systeme, die täglich Hunderte Gigabyte Daten produzieren. Neuronale Netze analysieren diese Daten weit schneller und besser als es der Mensch je können wird.

Sie erkennen ungewöhnliche Schwingungen oder einen unrunden Lauf und organisieren ein Wartungsteam für Reparaturen – Tage oder Wochen, bevor es zu Beschädigungen oder Ausfällen kommt.


Warum nicht sofort loslegen?


Es ließen sich etliche weitere aktuelle Einsatzgebiete finden, und noch mehr potenzielle. Ihr könnt euch einfach an der Suche beteiligen: Deep Learning ist eines unserer Grundlagenprogramme.

Unter den Tutoren sind unter anderem Ian Goodfellow, Deep Learning-Pionier und Erfinder der GANs (Generative Adversarial Networks), oder Andrew Trask, Oxford-DeepMind Scholar und Autor von Grokking Deep Learning, einer bekannten Deep Learning-Fibel. Sie stehen euch nicht nur für Lerneinheiten, sondern auch für persönliche Fachgespräche zur Verfügung.

Warum nicht sofort loslegen? "Denn genauso", sagt Sebastian, "wie Maschinen die menschliche Muskelkraft tausendfach übertroffen haben, werden sie jetzt unsere Hirnkapazität potenzieren. Wir stehen gerade erst am Anfang dessen, was Deep Learning für uns leisten kann.


-

Foto: CC / The Noun Project

About the author
Paul Hofmann
Paul Hofmann Editor, Udacity Europe

Paul heuerte bei Udacity an, weil hier Wesentliches zusammenkommt: Menschen, Neugier, Ideen, Fragen. An guten Tagen schreibt er fettfrei, die Komplexität der Dinge anerkennend und ohne Emojis.