Abo
  • Services:
Anzeige
Dr. Sascha Lange, Psiori
Dr. Sascha Lange, Psiori (Bild: Psiori)

Deep Learning: "Wir können den Spieler und seine Emotionen besser erkennen"

Dr. Sascha Lange, Psiori
Dr. Sascha Lange, Psiori (Bild: Psiori)

Autonome Computer, die aktiv handeln und selbstständig lernen: Derartige Technologien sind in Sichtweite, sagt Sascha Lange. Der Experte für Deep Neural Networks erklärt im Interview, was uns demnächst alles erwartet - und welche Schwierigkeiten noch überwunden werden müssen.

Riesige Datenmengen von schlauen Computern nach Mustern auswerten lassen: Das wird schon bald ganz neue Möglichkeiten schaffen - in Forschung und Wirtschaft, aber auch bei Computerspielen. Sascha Lange von der Freiburger Firma Psiori beschäftigt sich mit den Themen Deep Neural Networks und Big Data und damit, was beide Technologien zusammen bewirken können. Auf der Deep-Learning-Konferenz von Golem.de hält Lange einen Vortrag zum Thema Learning to Win - Deep Neural Networks in Games.

Anzeige

Golem.de: Können Sie uns ein konkretes Beispiel für eine Funktion in einem Spiel vorstellen, die ohne Deep Neural Networks nicht möglich wäre?

Sascha Lange: Ohne Deep Learning wäre Alpha Go zum jetzigen Zeitpunkt nicht möglich gewesen. Der Einsatz von Machine Learning ist nun auch in komplexeren Computerspielen als vorher denkbar; die tiefen neuronalen Netze können komplexe Situationen besser verallgemeinern.

Richtig interessant wird es aber an der Stelle, wo Computerspiele, Spielzeuge und Gadgets die Grenze zur physikalischen Welt durchbrechen. Mit Deep Learning können wir zum Beispiel den Spieler, seine Emotionen, Gesten und Intentionen besser erkennen und darauf reagieren. Ich selbst habe 2009 mit Hilfe von Deep Reinforcement Learning einen Computergegner für die Carrera-Bahn entwickelt, der vom Menschen nicht mehr zu schlagen war. Auch in Drohnen und ferngesteuerten Autos werden wir Deep Learning sehen.

Golem.de: Welche anderen Anwendungsgebiete für Spieldesigner sehen Sie für Deep Neural Networks?

Lange: Methoden des Deep Learnings werden auf die Datenauswertung, die Analyse des Verhaltens der Spieler und auf die darauf basierende Optimierung des Spielerlebnisses und der Monetarisierung großen Einfluss haben. Insbesondere im Free-to-Play-Bereich und bei der Vermarktung von Spielen wird noch einmal viel passieren. Churn Prediction und die Vorhersage des Customer Lifetime Values sind bereits Deep-Learning-Themen für uns bei Psiori.

Golem.de: Wie hängen neuronale Netzwerke und Big Data zusammen?

Lange: Hinsichtlich der Entstehung eigentlich gar nicht. Bei Big Data geht es um große Mengen Daten; bei Deep Learning um große Modelle, die man zum Verständnis komplexer Eingaben - etwa von Bildern - benötigt. Dass nun aber die Verfügbarkeit beider Technologien zusammenkommt, ist ein großes Glück für beide Seiten. Durch den Big-Data-Hype sind große Mengen von Daten verfügbar und es ergeben sich interessante Fragen. Wegen des Durchbruchs beim Deep Learning sind wir nun besser als zuvor in der Lage, komplexe Zusammenhänge in den Daten zu erkennen und diese Fragen auch zu beantworten.

Golem.de: Was könnte uns bei den beiden Themen in zehn oder vielleicht sogar 20 Jahren erwarten?

Lange: Momentan entsteht ein großer Hype um diese Themen. Einige Versprechungen sind zu groß, und es wird auch Enttäuschungen geben. Mit Sicherheit erfährt die künstliche Intelligenz aber gerade einen mächtigen Schub und das Deep Learning wird auch noch Bereiche außerhalb des Bildverstehens erfassen. Im Bereich der Medizin wird diese Kombination zu großen Verbesserungen bei der Optimierung von Behandlungen und dem Einsatz von Medikamenten führen.

Außerdem werden einfache, wiederkehrende Managementaufgaben wegfallen und von Maschinen besser ausgeführt werden können. An besserem elektronischem Handel sind viele Firmen dran, auch wir. Technische Geräte und Maschinen in Industrie und Alltag werden uns und die Welt besser verstehen, besser auf uns reagieren und uns viele kleine Arbeiten wie selbstverständlich abnehmen. Und wie viele andere warte ich natürlich darauf, in dieser Zeitspanne meinen selbstfahrenden Pkw bestellen zu können.

Golem.de: Welche technischen Probleme müssen, Stand jetzt, zuerst gelöst werden?

Lange: Deep Learning wird im Moment dazu genutzt, aus den Daten von Trainingsbeispielen zu lernen. Es geht also darum, Dinge zu erkennen, zu klassifizieren oder zu prognostizieren. Die Künstliche-Intelligenz-Forschung strebt aber danach, den autonomen Agenten zu bauen, der nicht nur passiv versteht, sondern selbst aktiv handelt und selbstständig lernt, besser zu werden. Ich erhoffe mir einen weiteren großen Durchbruch durch die Verknüpfung von tiefen neuronalen Netzen und Methoden des Reinforcement Learnings - natürlich auch, weil ich am Deep Reinforcement Learning seit 2007 forsche. Google Deepmind ist auf diesem Feld sehr aktiv und erzielt beeindruckende Erfolge; aber viele kleine Teams forschen hieran auch in Deutschland.

Golem.de: Wie sind deutsche Firmen und Entwickler in diesen Gebieten im internationalen Vergleich aufgestellt?

Lange: Im Bereich der neuronalen Netze, rekurrenten Netze und beim Reinforcement Learning war und ist die deutsche Forschung vorne mit dabei. Viele wichtige Beiträge kamen hier von Deutschen, nicht nur aus den USA. Das gilt auch für den Bereich des Deep Learnings und des Reinforcement Learnings, wo Forscher beispielsweise um die Gruppen von Jürgen Schmidhuber, Jan Peters, Sven Behnke und Horst-Michael Groß sehr früh sehr aktiv waren. Auch wir haben mit Martin Riedmiller in Osnabrück und Freiburg einige Beiträge geleistet und als weltweit erste um 2009 funktionierendes Deep Reinforcement Learning an realen Systemen und Robotern demonstriert.

Mit unserer Gründung Psiori versuchen wir, diesen Forschungsvorsprung für die Wirtschaft nutzbar zu machen und in reale, nützliche Anwendungen zu transportieren. Ich behaupte, dass wir zum Beispiel über die derzeit weltbeste Zeitreihenprognose auf Basis tiefer neuronaler Netze verfügen.

Schade ist, dass inzwischen die großen amerikanischen Firmen, wie Apple und Google, begonnen haben, die wenigen für die Wirtschaft verfügbaren deutschen Köpfe abzuschöpfen. Viele der Absolventen und ehemaligen Kollegen sitzen bereits in London und Kalifornien. Auch Investoren sind hierzulande für solche innovativen, aber risikobehafteten Themen viel zu schwer zu gewinnen. In Großbritannien, Israel und den USA wird dagegen praktisch jedes Team im Bereich Data Science auch ohne Track Record zu einem sehr frühen Zeitpunkt finanziert oder aufgekauft.

Am 19. und 20. April 2016 dreht sich beim Golem.de Tech Summit alles um Deep Learning und künstliche Intelligenz. An zwei Tagen diskutieren 14 Experten, wie man Software so trainiert, dass sie nach dem Vorbild menschlicher neuronaler Netze lernt. Besucher der Konferenz haben auch automatisch Zugang zur Quo Vadis, Europas größter Konferenz für Game Development.


eye home zur Startseite
QuoVadis Besucher 19. Apr 2016

Habe heute den Vortrag auf der QuoVadis gesehen. War super, Danke! Gibt es die Slides...

cyzz 15. Apr 2016

...aber der Typ macht mich aggressiv.

Grauer Wurm 15. Apr 2016

IMHO



Anzeige

Stellenmarkt
  1. über Ratbacher GmbH, Stuttgart (Home-Office möglich)
  2. Thalia Bücher GmbH, Hagen (Raum Dortmund)
  3. über Hays AG, Karlsfeld
  4. Daimler AG, Leinfelden-Echterdingen


Anzeige
Top-Angebote
  1. (u. a. X-Men Apocalypse, The Huntsman & The Ice Queen, Asterix erobert Rom, The Purge, Shutter...
  2. 99,00€
  3. (u. a. Better Call Saul 1. Staffel Blu-ray 12,97€, Breaking Bad letzte Staffel Blu-ray 9,97€)

Folgen Sie uns
       

Anzeige
Whitepaper
  1. Unternehmensweites Dokumenten- und Wissensmanagement
  2. Mehr dazu im aktuellen Whitepaper von Freudenberg IT
  3. Praxiseinsatz, Nutzen und Grenzen von Hadoop und Data Lakes


  1. DNS NET

    Erste Kunden in Sachsen-Anhalt erhalten 500 MBit/s

  2. Netzwerk

    EWE reduziert FTTH auf 40 MBit/s im Upload

  3. Rahmenvertrag

    VG Wort will mit Unis neue Zwischenlösung für 2017 finden

  4. Industriespionage

    Wie Thyssenkrupp seine Angreifer fand

  5. Kein Internet

    Nach Windows-Update weltweit Computer offline

  6. Display Core

    Kernel-Community lehnt AMDs Linux-Treiber weiter ab

  7. Test

    Mobiles Internet hat viele Funklöcher in Deutschland

  8. Kicking the Dancing Queen

    Amazon bringt Songtexte-Funktion nach Deutschland

  9. Nachruf

    Astronaut John Glenn im Alter von 95 Jahren gestorben

  10. Künstliche Intelligenz

    Go Weltmeisterschaft mit Menschen und KI



Haben wir etwas übersehen?

E-Mail an news@golem.de


Anzeige
Oculus Touch im Test: Tolle Tracking-Controller für begrenzte Roomscale-Erfahrung
Oculus Touch im Test
Tolle Tracking-Controller für begrenzte Roomscale-Erfahrung
  1. Microsoft Oculus Rift bekommt Kinomodus für Xbox One
  2. Gestensteuerung Oculus Touch erscheint im Dezember für 200 Euro
  3. Facebook Oculus zeigt drahtloses VR-Headset mit integriertem Tracking

Canon EOS 5D Mark IV im Test: Grundsolides Arbeitstier mit einer Portion Extravaganz
Canon EOS 5D Mark IV im Test
Grundsolides Arbeitstier mit einer Portion Extravaganz
  1. Video Youtube spielt Livestreams in 4K ab
  2. Ausgabegeräte Youtube unterstützt Videos mit High Dynamic Range
  3. Canon EOS M5 Canons neue Systemkamera hat einen integrierten Sucher

Named Data Networking: NDN soll das Internet revolutionieren
Named Data Networking
NDN soll das Internet revolutionieren
  1. Geheime Überwachung Der Kanarienvogel von Riseup singt nicht mehr
  2. Bundesförderung Bundesländer lassen beim Breitbandausbau Milliarden liegen
  3. Internet Protocol Der Adresskollaps von IPv4 kann verzögert werden

  1. Re: Sieht gut aus

    ManMashine | 20:06

  2. Re: Mehr macht bei EWE eh keinen Sinn

    RipClaw | 20:05

  3. Re: Ergänzung...

    muhzilla | 20:05

  4. Re: Musst ja mal vorkommen

    StefanGrossmann | 20:05

  5. Re: Hat Microsoft eigentlich noch eine...

    DetlevCM | 20:00


  1. 18:40

  2. 17:30

  3. 17:13

  4. 16:03

  5. 15:54

  6. 15:42

  7. 14:19

  8. 13:48


  1. Themen
  2. A
  3. B
  4. C
  5. D
  6. E
  7. F
  8. G
  9. H
  10. I
  11. J
  12. K
  13. L
  14. M
  15. N
  16. O
  17. P
  18. Q
  19. R
  20. S
  21. T
  22. U
  23. V
  24. W
  25. X
  26. Y
  27. Z
  28. #
 
    •  / 
    Zum Artikel