Das Microsoft Cognitive Toolkit (CNTK, so die etwas sperrige Abkürzung) ist ein Deep-Learning-Tool von Microsoft und soll in der aktuellen Version „Hunderte neuer Merkmale“ enthalten und sich besser in das Microsoft-AI-Ökosystem einfügen. Neu ist etwa die Unterstützung für
Keras, eine Bibliothek für neurales Lernen, die bei Entwicklern, die sich mit Thema Deep Learning beschäftigen, eine gewisse Popularität genießt. In Keras geschriebene Anwendungen sollen nun vom CNTK profitieren können, ohne den Code dafür anpassen zu müssen. CNTK 2.0 beschleunigt seine Trainingsphasen, indem es das jüngste Deep Learning SDK von Nvidia und die fortgeschrittene GPU-Architektur wie Nvidia Volta unterstützt.
Seit der Freigabe der Betaversion von CNTK 2.0 im vergangenen Herbst nutzt eine Reihe von Unternehmen das Toolkit, um neurale Netzwerke zu definieren und zu trainieren. Zum Beispiel arbeitet die Umweltschutzinitiative
Chesapeake Conservancy aus Annapolis/Maryland damit, um hochauflösende Landaufnahmen der an die Chesapeake Bay angrenzenden US-Bundesstaaten inklusive Washington D.C. auszuwerten. Bisher lag dabei eine Auflösung von 30 Metern zugrunde; seit etwa zehn Monaten experimentieren die Forscher mit einer höheren Auflösung von einem Meter und einem Gebiet von etwa 100.000 Quadratmeilen. Die neuen Datensätze sind 900 Mal umfangreicher als die bisher verwendeten Abschnitte. Ohne KI würde die Dateneingabe und Bildauswertung Monate dauern. Das neue neurale Netzwerk könne den notwendigen Workflow zu einem einzigen Algorithmus zusammenfassen, der eine entsprechende Landkarte in einem Bruchteil der Zeit zur Verfügung stellen könne. Die KI-Technologie ließe sich verwenden, um nationale und globale Umweltschutzanstrengungen unterstützen, so die am Projekt beteiligten Partner.
Ursprünglich entwickelte Microsoft das CNTK, um tiefes neurales Lernen und andere hauseigene Modelle des maschinellen Lernens zu verbessern. Dies sollte Aufgaben wie die Suche von Videos bei der Suchmaschine Bing oder die Spracherkennung bewältigten. Den Microsoft-Forschern sei bald klar geworden, dass dies auch für allgemeine Aufgaben der Bild- und Spracherkennung verwendet werden konnte, vom kleinen Startup bis zu großen Technologieunternehmen und Regierungsstellen, Non-profit- und akademischen Organisationen.