Künstliche Intelligenz, Teil 2 17.09.2018, 00:00 Uhr

In die Tiefe von Deep Learning

Wenn Neuronale Netze und der Backpropagation-Algorithmus zusammenarbeiten.
Der erste Teil [1] der Serie gab eine Einordnung der verschiedenen Spielarten der künstlichen Intelligenz. Dieser zweite Teil geht nun auf das Deep Learning ein. Und dessen Geschichte beginnt 2012. Waren Anfang der 1990er Jahre die neuronalen Netzwerke bei KI-Forschern weder erste und noch zweite Wahl und in der normalen Entwicklergemeinde so gut wie unbekannt, so änderte sich das im Jahr 2012 schlagartig. In diesem Jahr veröffentlichte eine Wissenschaftlergruppe der University of Toronto um Geoffrey Hinton (ein Ururenkel von George Boole) Forschungsergebnisse über die Bildklassifikation von ImageNet [2] mit „Deep Convolutional Neural Networks“ [3]. Convolutional Neural Network [4] (CNN oder ConvNet, deutsch „faltendes neuronales Netzwerk“, ) ist eine Art von Deep-Learning-Algorithmus.
Deep Learning hat seit dieser Zeit einen Quantensprung gemacht und ist zur dominanten Technologie für Computer-Vision und andere kognitive KI-Aufgaben geworden. Nachdem nicht nur die Forschung, sondern auch die IT-Industrie ihre Aufmerksamkeit und nicht zuletzt ihre Investitionen auf künstliche Intelligenz, maschinelles Lernen und Deep Learning [5][6][7] gerichtet hatten, gab es kein Halten mehr: Nicht nur die Hardware- und Softwareentwickler wurden sich der neuen, großen KI-Ära bewusst, sondern auch Zeitgenossen, die mit Übersetzungs-Apps, autonomem Fahren oder Siri- oder Alexa-Assistenten neue, fast unbegrenzte Möglichkeiten zu schätzen gelernt haben (siehe [8] für mehr Details). So gut wie alle neuen großartigen KI-Produkte und -Dienste werden von Deep Learning als Hauptmotor getrieben – Grund genug, Deep Learning jetzt genauer unter die Lupe­ zu nehmen.

dotnetpro

Sie wollen zukünftig auch von den Vorteilen eines plus-Abos profitieren? Werden Sie jetzt dotnetpro-plus-Kunde
  • 2 Monate Gratis testen
  • Über 4.000 qualifizierte Fachartikel
  • Auf jedem Gerät verfügbar