Christian Polzenhagen

Christian Polzenhagen

Head of Performance Marketing, Plan.Net Performance

Posts

Deep Learning ist eine Teildisziplin der künstlichen Intelligenz (KI), deren Grundidee bis in die 1950er Jahre zurückgeht. Zur Massentauglichkeit hat es bisher zwar noch nicht gereicht. Mit den sinkenden Kosten für Chips und damit auch für Netzwerke sowie der stetig wachsenden Menge an Daten, die uns in digitaler Form vorliegen, erlebt das maschinelle Lernen allerdings seit ein paar Jahren eine beeindruckende Renaissance. Deep Learning ermöglicht es Computersystemen durch Interation, also der wiederholten Ausführung von Befehlen, bestimmte Muster in Datenmengen zu erkennen und diese immer weiter zu verfeinern. Kurz gesagt lernt Deep Learning Maschinen das Lernen. Die Einsatzbereiche sind schier unendlich, sie müssen lediglich eine Voraussetzung erfüllen: Daten in digitaler Form sollten in großen Mengen vorhanden sein, um brauchbare Muster zu extrahieren.

Deep Learning: Wieder erwachter Trend

Gerade Firmen aus dem Silicon Valley setzen aktuell verstärkt auf den wieder erwachten Trend. Die Evolutionsgeschwindigkeit, mit der Erkenntnisse aus den nun massenhaft vorhandenen Daten gewonnen werden, ist dabei enorm: Im Jahr 2009 hat ein Team um Geoffrey Hinton von der University of Toronto sich dem Thema Spracherkennung angenommen. Nach intensivem Training war die Software besser in der Lage, gesprochene Worte in geschriebenen Text zu übersetzen, als alle Vorgänger zusammen. Zwei Jahre später hat Google Daten seines Dienstes YouTube dem Deep Learning unterzogen und diese in verschiedene Kategorien unterteilen lassen. Mit dem Ergebnis, dass neben Kategorien wie „Menschliche Gesichter“ auch die Kategorie „Katze“ zum Vorschein trat, was für ein beachtliches Maß an Erheiterung sorgte.

Deep Learning hat sich seit dieser Zeit enorm weiterentwickelt. Erst vor wenigen Wochen hat das Google-Programm AlphaGo im Strategiespiel Go gegen den bis dahin dominierenden Champion Lee Sedol gewonnen. Von vielen wird das nun als Meilenstein der KI bezeichnet, auch wenn solche Ausflüge von Google eher als Spielerei zu sehen sind. Googles eigentliche Anwendungsfelder liegen eher im Bereich der Suche und der Darstellung der Suchergebnisse. Für das Unternehmen ist das so genannte Rank-Brain, das für noch bessere Suchergebnisse sorgt, deshalb weit wichtiger, weil es auch in Zukunft die Vorherrschaft im Suchmaschinenmarkt sicherstellen soll.

Deep Learning bommt

Die Liste mit weiteren aktuellen Beispielen ist schon heute lang –  und wird auch in Zukunft noch weiter wachsen.

  • Facebooks neuer Messanger M etwa wird mit Erkenntnissen des Deep Learning gefüttert, was zu ganz neuen Services führen kann. Durch maschinell gesteuerte Interaktionen kann sich der User damit beispielsweise ganz bequem einen digitalen Assistenten schaffen, der den Alltag durch interaktive Kalender- und Erinnerungsfunktionen erleichtert. Auch Chatbots werden bei Facebook, wie kürzlich auf der jährlichen Konferenz vorgestellt, durch maschinelles Lernen immer leistungsfähiger. Bis zu einem vollwertigen Assistenten, der einem die Reisen bucht und das Konto verwaltet, ist es also nicht mehr weit.
  • IBM, Oracle und Ebay arbeiten an neuen Lösungen, die durch Deep Learning erst ermöglicht werden. Ziel ist es dabei, die Technologie noch effizienter zu machen, um Suchergebnisse oder Vorschlagslisten noch genauer auf die Bedürfnisse der User abzustimmen.
  • Siri, Majel und Cortana sind Spracheingabesysteme, die in Smartphones der Plattformen iOS, Android und Microsoft die Eingabe und Suche erleichtern sollen. Die Vision sind Geräte, die sich nur mit der Stimme steuern lassen. Bei diesen Anwendungen geht es nicht mehr nur um die von einem Algorithmus getriebene Ergebnisliste, sondern auch darum, die semantischen Zusammenhänge schneller und besser zu erkennen und damit die Programme immer intelligenter zu machen.

Denkbar ist auch, dass Amazon diese Technologie nutzt, um Warenströme weiter zu verfeinern. Auf diese Weise könnte der Online-Händler seinem Traum, Ware quasi in Echtzeit zu liefern, immer näher kommen. Würde es Amazon nämlich gelingen, neue Vorhersagemodelle zu entwickeln, um Waren schon vorab in den jeweiligen Warenzentren zu lagern, bevor der Kunde seine Ware bestellt, muss der Händler nicht in jedem Lager den kompletten Warenbestand vorhalten. Dies ist zwar noch Zukunftsmusik, sicher ist aber bereits jetzt, das Amazon auch an Spracheingabegeräten wie Alexa arbeitet, die mit dem Internet verbunden sind und so den Alltag vereinfachen sollen.

Die Welt wird sich in den nächsten fünf bis zehn Jahren durch Deep Learning nachhaltig verändern. Auch auf die Arbeitsplatzentwicklung werden diese Neuerungen ihre Auswirkungen haben. Wir werden durch Deep Learning neue Erkenntnisse gewinnen, die ohne sie nicht möglich gewesen wären. Gerade der Datenschutz unterliegt hier großen Herausforderungen, da nicht alles, was möglich ist, auch zum Vorteil der Verbraucher angewendet wird. Die Herausforderung besteht darin, die richtigen Normen zu finden. Denn technische Grenzen oder auch Branchen, in denen Deep Learning nicht eingesetzt werden könnte, gibt es nicht. Sobald man – egal in welchem Bereich – bestimmte Muster erkennt, hat dies gewaltiges Potenzial zur Optimierung. Die neuen Erkenntnisse werden wiederum in den verschiedensten Sparten genutzt, um das komplette Potenzial auszuschöpfen, die Zuverlässigkeit zu steigern und die Technologie immer einfacher zu gestalten.

Dieser Artikel wurde auf internetworld.de veröffentlicht.

This page is available in English (Englisch)