Von Hannes Prousch für Open Technologies.

Deep Learning bezeichnet die komplexe, sich ständig selbst weiterbildende digitale Datenverarbeitung und -interpretation nach dem Vorbild des menschlichen Gehirns. Im Rahmen der diesjährigen SFSCon hielt Susanne Greiner von Würth Phoenix einen Vortrag hierzu, salto.bz hat mir ihr gesprochen.

salto.bz: In Ihrer Präsentation sprechen Sie von drei unterschiedlichen Stufen der künstlichen Intelligenz. Welche sind das und wie unterscheiden sie sich voneinander?

Susanne Greiner: Die Bereiche sind einmal die künstliche Intelligenz selbst, dann der Bereich Machine Learning, der sich innerhalb der künstlichen Intelligenz bewegt und hauptsächlich die Methoden liefert, um künstliche Intelligenz zu bauen; und schließlich der noch kleinere Bereich des Deep Learnings, welcher zukunftsträchtige Methoden für die künstliche Intelligenz liefert. Wenn wir mit der App PicsArt zum Beispiel ein Bild bearbeiten, passiert genau so etwas: PicsArt hat durch Deep Learning mittels zahlreicher Bilder gelernt, was uns Menschen gefällt, und ist in der Lage, Bilder anhand dieses Wissens zu optimieren. Bilder, die ich mit der App optimiere, werden ebenfalls analysiert. Die daraus erhobenen Informationen werden dann beim nächsten Verwenden mitberücksichtigt.

Das heißt, Deep-Learning-Programme lernen niemals aus?

Der Softwareingenieur befasst sich damit, die Problemstellung zu formulieren, also zu definieren, was der Algorithmus als Input (eingehende Rohdaten) verwenden kann, und was als Output (logische Schlussfolgerung) erwartet ist. Alles was dazwischen passiert, beeinflusst er durch verschiedene Parameter, langfristig befasst sich das System aber selbstständig mit der Problemlösung. Je intelligenter Maschinen werden, umso wichtiger ist es, dass das alles gesetzlich geregelt ist, und nicht in eine Richtung läuft, die man schließlich nicht mehr eindämmen kann.

Was ist der wesentliche Unterschied zwischen Deep Learning und Künstlicher Intelligenz?

Die Künstliche Intelligenz ist letztlich die Maschine selbst, zum Beispiel das fahrende Auto. Deep Learning ist die Methode, die notwendig ist, um die Intelligenz für die Maschine zu schaffen.

Wie wird Deep Learning bereits genutzt?

Zahlreiche Großunternehmen nutzen Deep Learning bereits sehr intensiv. Besonders die Tourismusbranche ist daran interessiert, die Erfahrung des Gastes zu optimieren, indem beispielsweise dem Kunden auf ihn zugeschnittene Hotels empfohlen werden. In der Landwirtschaft gibt es erste Ansätze im Bereich des Deep Learning, in der Industrie gibt es viele Sachverhalte, die man zu optimieren versucht. Grundsätzlich gibt es keine Branche, die außen vor bleibt.

Wie bringen Sie einem Computer „das Lernen bei“?

Zum Deep Learning ist eine große Menge an Daten erforderlich, idealerweise mit Labeln versehene Informationen, wie etwa verschiedene Fotos von unterschiedlichen Tieren, bei denen die Spezies jeweils gegeben ist. Programme können sich die Labels teilweise aber auch selber suchen, zum Beispiel durch die Massenanalyse von Onlinetexten oder über getaggte Fotos. Grundsätzlich gilt: Je mehr Daten, umso besser und abstrakter können die Modelle werden und dann generisch das Konzept einer spezifischen Kategorie erlernen.

Welches Potential bietet Deep Learning in Smart Cities?

Vor allem bei Stadtplanung: Wo kommt der Flughafen hin? Wo erwarte ich eher ein Industrieviertel? Weitere Einsatzbereiche sind der Seuchenschutz und eine garantierte Gesundheitsversorgung.

Prinzipiell geht es darum, Alternativen gegeneinander abzuwägen. Das heißt, wenn ich mehrere Vorschläge habe und letzten Endes nur einen annehmen kann, kann ich im Vorfeld berechnen, welcher der optimale ist.

Wie glauben Sie, sieht die Zukunft der Künstlichen Intelligenz aus?

Ich glaube, dass sich in den nächsten fünf Jahren weltweit schon sehr viel tun wird, dass es aber in Südtirol eventuell etwas langsamer geht, weil wir nicht so viele große Unternehmen, sondern eher mittelständische Betriebe haben. Ich gehe auch davon aus, dass die paar, die trotzdem jetzt schon auf den Zug aufspringen und sich in diese Richtung informieren, beziehungsweise verstehen, wo das für sie relevant sein könnte, sich dadurch Vorteile schaffen.