Abo
  • IT-Karriere:

Deep Learning: Maschinen, die wie Menschen lernen

Keine Science-Fiction: Deep Learning bringt Maschinen das Denken bei. Fast jeder hat bereits ein Gerät zu Hause, das diese Technik nutzt. Sie ist sehr komplex - und hat großes Potenzial.

Artikel von Alexander Löser und Christian Herta veröffentlicht am
Deep Learning basiert auf der Funktionsweise menschlicher Nervenzellen.
Deep Learning basiert auf der Funktionsweise menschlicher Nervenzellen. (Bild: Jan Homann/CC BY-SA 3.0)

Cortana, Siri, Skype: Fast jeder nutzt heute Software, die auf Deep Learning basiert. Die Break-through Technology für maschinelles Lernen hat kommerzielle Anwendungen erreicht. Selbstfahrende Autos sollen mit ihr arbeiten, in Bildverarbeitung und Bildanalyse erzielt sie bessere Ergebnisse als herkömmliche Verfahren. Microsoft, Google und Apple setzen sie bei der Spracherkennung ein, Skype für die Textanalyse und automatische Übersetzung.

Die Firmen versprechen sich von der Deep-Learning-Technik des Maschinenlernens, die sich an der Funktionsweise des menschlichen Gehirns orientiert, deutlich höhere Qualität als von sogenannten flachen Lernern. Was macht die Technik so besonders? Wie funktioniert sie? Und warum ist sie gerade in letzter Zeit so beliebt geworden?

Dinge und Zusammenhänge repräsentieren

Die letzte Frage ist am leichtesten zu beantworten: Deep Learning erfordert viel Rechenkapazität, da eine große Menge von Daten verarbeitet wird. In der Vergangenheit fehlten sowohl die nötigen Datenmengen als auch die Rechenleistung. Heute wird Deep Learning oft auf Graphic Processing Units (GPU) umgesetzt und dadurch sogar günstiger als andere Verfahren des Maschinenlernens, denn GPUs werden schon lange zur Beschleunigung von Computerspielen eingesetzt.

Das Unternehmen Nvidia etwa unterstützt industrielle Anwendungen auf Basis von Convolutional Neural Networks auf Tausenden von GPU-Kernen. Teilweise sind die Marktkosten pro GPU-Kern um bis zu zwei Größenordnungen geringer als für einen Rechenkern einer herkömmlichen CPU. Das tiefe Lernen ist aber nicht nur preiswert, es ist auch besser als das flache Lernen.

Stellenmarkt
  1. Landeshauptstadt München, München
  2. Trium Analysis Online GmbH, München

Eines der wichtigsten Einsatzgebiete für Deep Learning ist das Erkennen von Dingen auf Bildern, englisch Visual Object Recognition. Denn gerade Bilder und Texte können durch aktuelle Methoden der Massendatenverarbeitung preiswert gesammelt und aufbereitet werden, wie etwa bei Imageidentify.com von Wolfram Alpha. Diese Bilder können auch im Fahrzeug ausgewertet werden und helfen beispielsweise, Fußgänger zu erkennen und somit einen Unfall zu vermeiden. Das maschinelle Lernen basiert dabei auf der Funktionsweise des Gehirns.

Während der Mensch liest, leistet sein Gehirn eine erstaunliche Abstraktions- und Generalisierungsarbeit: Zunächst erkennt es die Buchstaben als Repräsentation von Informationen und setzt sie zu höherwertigen Repräsentationen, z. B. Wörtern oder Sätzen, zusammen. In den Sätzen erkennt das Gehirn Repräsentationen von Dingen und verborgene Zusammenhänge zwischen diesen. Aus dieser bereits stark generalisierten Repräsentation leitet es weitere sogenannte latente (verborgene) Merkmale ab, etwa: "Interessant, wie geht es jetzt weiter?"

Wissen repräsentieren und generalisieren 
  1. 1
  2. 2
  3. 3
  4. 4
  5. 5
  6. 6
  7. 7
  8. 8
  9.  


Anzeige
Hardware-Angebote
  1. 349,00€
  2. 529,00€
  3. ab 369€ + Versand

kahmann 29. Okt 2015

Der Artikel hat mir gut gefallen. Nicht zuletzt auch, weil er sehr tief in die Materie...

jg (Golem.de) 15. Okt 2015

Jetzt müssten endlich auch mobil alle Bilder zu sehen sein!

natsan2k 08. Okt 2015

Schöner und interessanter Artikel.

Anonymer Nutzer 08. Okt 2015

Tatsächlich hat Siri was mit lernen zutun - oder genauer mit Training. Die verwendete...

jg (Golem.de) 07. Okt 2015

Vielen Dank für das Lob, wir freuen uns!


Folgen Sie uns
       


Seasonic TX-700 Fanless und The First - Hands on (Computex 2019)

Das Prime TX-700 Fanless vo Seasonic ist das derzeit stärkste passiv gekühlte Netzteil am Markt. Die kompaktere Variante namens PX-500 wiederum passt in das The First von Monsterlabo, ein Gehäuse, um 200-Watt-Komponenten passiv zu kühlen.

Seasonic TX-700 Fanless und The First - Hands on (Computex 2019) Video aufrufen
Erasure Coding: Das Ende von Raid kommt durch Mathematik
Erasure Coding
Das Ende von Raid kommt durch Mathematik

In vielen Anwendungsszenarien sind Raid-Systeme mittlerweile nicht mehr die optimale Lösung. Zu langsam und starr sind sie. Abhilfe schaffen können mathematische Verfahren wie Erasure Coding. Noch existieren für beide Techniken Anwendungsgebiete. Am Ende wird Raid aber wohl verschwinden.
Eine Analyse von Oliver Nickel

  1. Agentur für Cybersicherheit Cyberwaffen-Entwicklung zieht in den Osten Deutschlands
  2. Yahoo Richterin lässt Vergleich zu Datenleck platzen

In eigener Sache: Golem.de bietet Seminar zu TLS an
In eigener Sache
Golem.de bietet Seminar zu TLS an

Der Verschlüsselungsexperte und Golem.de-Redakteur Hanno Böck gibt einen Workshop zum wichtigsten Verschlüsselungsprotokoll im Netz. Am 24. und 25. September klärt er Admins, Pentester und IT-Sicherheitsexperten in Berlin über Funktionsweisen und Gefahren von TLS auf.

  1. In eigener Sache Zweiter Termin für Kubernetes-Seminar
  2. Leserumfrage Wie können wir dich unterstützen?
  3. In eigener Sache Was du schon immer über Kubernetes wissen wolltest

Mobilfunktarife fürs IoT: Die Dinge ins Internet bringen
Mobilfunktarife fürs IoT
Die Dinge ins Internet bringen

Kabellos per Mobilfunk bringt man smarte Geräte am leichtesten ins Internet der Dinge. Dafür haben deutsche Netzanbieter Angebote für Unternehmen wie auch für Privatkunden.
Von Jan Raehm

  1. Smart Lock Forscher hacken Türschlösser mit einfachen Mitteln
  2. Brickerbot 2.0 Neue Schadsoftware möchte IoT-Geräte zerstören
  3. Abus-Alarmanlage RFID-Schlüssel lassen sich klonen

    •  /