Woran derzeit geforscht wird

In der Forschung ist Deep Learning derzeit ein wichtiges Thema, besonders in den folgenden Bereichen.

Embeddings für übergreifende Repräsentationen

Menschen repräsentieren Wissen im Gehirn. Die aktuelle Forschung versucht mittels neuronaler Netzwerke, diesen Prozess der Wissensrepräsentation durch Maschinen zu unterstützen. Dazu zählen stark generalisierende und rechenaufwendige Embeddings, die mittels Vektoren sowohl das Wissen in Bildunterschriften (siehe auch Word2Vec) und dazu passenden Bildbereichen repräsentieren wie Wolfram Alpha imageidentify.com bzw. die Demo von Berkeley Caffe.

Diese verwenden maschinenverarbeitbare Repräsentationen auf Basis von Neuronen, um Menschen bestimmte Aufgaben abzunehmen - zum Beispiel, Dinge in Bildern zu erkennen; Dinge, Semantiken und Stimmungen in Texten zu erkennen, Texte zu übersetzen - oder Wissen untereinander auszutauschen.

Deep Learning für den (Enterprise) Knowledge Graph

Die große Forschungsvision sind menschen- und maschinenlesbare Wissensnetzwerke, die einen wesentlichen Teil des Weltwissens strukturieren, auch Knowledge Graph, Knowledge Fault oder Time Machine genannt. Deep-Learning-Technologien sind dabei eine wichtige Methode zur maschinenlesbaren Generalisierung und Repräsentation des Wissens.

Aktuell arbeiten daran unter anderem Google, Facebook und Microsoft. Diese Unternehmen hosten die Wissensrepräsentationen.

Andere Unternehmen haben auf dieses exklusive Wissen keinen Zugriff. Eine Alternative sind Community-Projekte wie Yago oder DBPEDIA. Diese Projekte extrahieren Fakten aus öffentlichen Quellen; leider sind die Fakten nicht immer widerspruchsfrei, vollständig und frisch genug und lassen sich nur schwer mit unternehmensinternen Informationen (z. B. Kundenlisten) integrieren.

Deutsche Unternehmen wünschen sich daher für ihre Bedürfnisse einen speziell zugeschnittenen Knowledge Graph. Dieser repräsentiert verwertbares und domänenspezifisches Wissen für typische Unternehmensanwendungen wie das Brandmonitoring, das Supply Chain Management oder das Customer Relationship Management.

Das Smart Data Web wurde bewilligt

Das Bundesministerium für Wirtschaft und Energie hat kürzlich das Projekt Smart Data Web unter Leitung des Deutschen Forschungsinstituts für Künstliche Intelligenz bewilligt. Das Projektteam entwickelt Methoden für die Berechnung eines Enterprise Knowledge Graphs, unter anderem mit Verfahren des Deep Learnings.

Das Forschungsteam des Autors Alexander Löser ist Partner in dem Projekt und entwickelt das System Indrex für das gemeinsame Management von Texten und tabellarischen Daten im Enterprise Data Warehouse. Dazu untersucht das Team auch Methoden des Deep Learnings zur Berechnung von übergreifenden Embeddings, mit denen Wissen sowohl in Textdaten als auch in relationalen Daten in der Datenbank repräsentiert wird.