Großartiger TEDx Talk in Brüssel über Maschinen Intelligenz.

Die Schlüsseltechnologie in diesem Vortrag ist Deep Learning. Die Technologie beruht auf großen Neuralen Netzen. In einem meiner letzten Artikel habe ich das ein wenig erläutert.

Das Erstaunliche an der Technologie ist, dass Deep Learning Systeme relativ einfach Features in einer Masse von Daten erkennen können. Beispielsweise erkennen sie in Bildern Kanten, Ausrichtungen, Formen und können die Bilder nach diesen Features gruppieren. Das machen sie je nach Art der Daten besser als viele bisherige Clustering-Algorithmen. Tatsächlich sind sie in einigen Wettbewerben, in denen es beispielsweise um das Erkennen von  Straßenschildern ging, sogar besser als Menschen.

Im Video sieht man aber auch schön, wo die Grenzen liegen. Das System erkennt recht gut, welche Auto-Bilder einander ähnlich sind. Es erkennt aber nicht von alleine, welche die Vorderseite oder die Rückseite abbilden, da diese sich – im Vergleich seitlichen Aufnahmen oder Aufnahmen von Rädern – sehr ähneln. Hier muss wieder der Mensch ran, um zu sagen was ihm wichtig ist – denn er hat ein Ziel und möchte Handeln. Das Deep Learning System hat kein Ziel.

Das Deep Learning System hat die Vorder- und Rückseiten noch nicht voneinander getrennt – der Mensch hilft mit.

Doch glasklar ist, dass ein solches System eine unglaubliche Unterstützung beim Suchen und Sortieren von relevanten Informationen ist. Ich vermute, dass solche System in Zukunft an immer mehr Orten anzutreffen sind. Überlegen wir mal, wie einfach es wäre mit einem solchen System Kunden-Anfragen, Produkt-Informationen oder Produktbilder zu klassifizieren und zu verschlagworten. Ähnlichkeitssuchen, die heute in kommerziellen Produkten eingesetzt werden, sind da in den meisten Fällen eher rudimentär oder sie sind sehr kundenspezifisch entwickelt worden und kosten dementsprechend.

Wenn man aber ein Deep Learning System einfach mit Daten füttern und die Gruppierung so einfach verbessern kann, wie in dem Auto-Bilder-Beispiel aus dem Video; wenn wir also so etwas wie ein „Standardprodukt“ für Daten-Gruppierung hätten, dann werden die Systeme überall integriert werden.

Aber erstens glaube ich nicht, dass es ganz so plug&play-mäßig funktioniert, wie in dem Video zu sehen, und zum zweiten kosten die Integration und das User-Interface pro Daten-Typ nochmal extra. Ich glaube die Hype-Kurve ist noch nicht ganz an der Spitze – das Tal der Enttäuschungen wird noch kommen :-)