Direkt zum Inhalt
Login erforderlich
Dieser Artikel ist Abonnenten mit Zugriffsrechten für diese Ausgabe frei zugänglich.

Künstliche Intelligenz: Wenn Maschinen das Lernen lernen

Jahrzehntelang war das Thema "künstliche Intelligenz" vor allem eine Utopie. Doch ein neues Verfahren führt derzeit zu bahnbrechenden Erfolgen: Computer erkennen bereits selbstständig Objekte und entwerfen neue Arzneimittel. Dabei nimmt sich das Verfahren das menschliche Gehirn zum Vorbild.
Deep LearningLaden...

Vor rund drei Jahren zogen Wissenschaftler des Google-Forschungslabors "X" im kalifornischen Mountain View aus den Datenbanken von Youtube gut zehn Millionen Standbilder. Die Aufnahmen fütterten sie in das "Google Brain" – ein Netzwerk aus 1000 Computern, das wie ein Kleinkind Informationen aller Art aufsaugt. Drei Tage lang brütete es über den Bildern, suchte nach wieder­kehrenden Mustern und befand schließlich, dass sich die Bilderflut in bestimmte Kategorien einteilen lässt: menschliche Gesichter, menschliche Körper und – Katzen.

Die Erkenntnis, dass das Internet voller Katzen steckt, sorgte für viel Heiterkeit. Doch sie zeigte auch, wie leistungsfähig dieses künstliche Gehirn des Suchmaschinenriesen ist. Denn niemand hatte ihm beigebracht, wie Katzen aussehen. Die Fähigkeit, Objekte zu erkennen, hat es sich selbst beigebracht. Dabei beruht das Netzwerk auf einer drei Jahrzehnte alten Technik, dem Deep Learning.

Es handelt sich um ein riesiges künstliches neuronales Netz – ein Computernetzwerk, das das Verhalten des menschlichen Gehirns imitiert. Genau wie ihr natürliches Vorbild lernen diese künstlichen Nervenzellen aus Er­fahrung und passen die Stärke der simulierten Nervenverbindungen entsprechend an. So entwickeln sie nach und nach ein "Verständnis" dafür, wie Dinge aussehen oder sich anhören.

Mit etwa einer Million simulierter Neurone und einer Milliarde Verbindungen übertraf das Google Brain jedes frühere künstliche Netzwerk um das Zehnfache. Inzwischen plant der Gründer des Projekts, Andrew Ng, es sogar noch einmal um den Faktor zehn aufzustocken.

Es könnten also spannende Zeiten anbrechen in der künstlichen Intelligenz (KI) – dem oft frustrierenden Versuch, Computer auf menschliche Weise denken zu lassen. "In der Geschichte der KI reiht sich Misserfolg an Misserfolg, aber dazwischen gab es immer wieder entscheidende Fortschritte", sagt einer der Pioniere des Deep Learning, Yann LeCun, Direktor des Center for Data Science der New York University. "Dies könnte ein solcher Sprung nach vorn sein."

In den 1950er Jahren, als gerade die ersten Computer auf den Markt kamen, sahen KI-Forscher den denkenden Rechner praktisch schon vor der Tür stehen. Doch der Optimismus verflüchtigte sich rasch, als sich abzeichnete, wie komplex es ist, das menschliche Alltagswissen abzubilden ...

8/2014

Dieser Artikel ist enthalten in Gehirn&Geist 8/2014

Kennen Sie schon …

41/2019

Spektrum - Die Woche – 41/2019

In dieser Ausgabe widmen wir uns den Nobelpreisen, Otto Lilienthal und der KI.

Künstliche Intelligenz - Der Weg in die Anwendung

Spektrum Kompakt – Künstliche Intelligenz - Der Weg in die Anwendung

Die künstliche Intelligenz macht rasante Fortschritte und ist aus manchen Bereichen der Forschung gar nicht mehr wegzudenken. Aber wie weit ist die KI tatsächlich schon, was können wir auch im Alltag von ihr erwarten, und welche Risiken drohen?

36/2019

Spektrum - Die Woche – 36/2019

In dieser Ausgabe widmen wir uns der Toxoplasmose, dem Altern und der Utopie.

Lesermeinung

Beitrag schreiben

Wir freuen uns über Ihre Beiträge zu unseren Artikeln und wünschen Ihnen viel Spaß beim Gedankenaustausch auf unseren Seiten! Bitte beachten Sie dabei unsere Kommentarrichtlinien.

Tragen Sie bitte nur Relevantes zum Thema des jeweiligen Artikels vor, und wahren Sie einen respektvollen Umgangston. Die Redaktion behält sich vor, Leserzuschriften nicht zu veröffentlichen und Ihre Kommentare redaktionell zu bearbeiten. Die Leserzuschriften können daher leider nicht immer sofort veröffentlicht werden. Bitte geben Sie einen Namen an und Ihren Zuschriften stets eine aussagekräftige Überschrift, damit bei Onlinediskussionen andere Teilnehmer sich leichter auf Ihre Beiträge beziehen können. Ausgewählte Lesermeinungen können ohne separate Rücksprache auch in unseren gedruckten und digitalen Magazinen veröffentlicht werden. Vielen Dank!

  • Quellen

Goodfellow, I. J. et al.: Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks. arXiv:1312.6082

Girshick, R. et al.: Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation. arXiv:1311.2524

Krizhevsky, A. et al.: ImageNet Classification with Deep Convolutional Neural Networks. In: Advances in Neural Information Processing Systems 25, 2012

Le, Q. V. et al.: Building High-Level Features Using Large Scale Unsupervised Learning. arXiv:1112.6209

Mohamed, A. et al.: Deep Belief Networks Using Discriminative Features for Phone Recognition. 2011 IEEE International Conference on Acoustics Speech Signal Process, Prag, 22.-27.5.2011