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. Informatiker/-in im Bereich Betriebsübernahme (m/w/d)
    BDBOS, Berlin
  2. Junior Cloud Engineer mit Schwerpunkt Salesforce (m/w/d)
    Spiegel-Verlag Rudolf Augstein GmbH & Co. KG, Hamburg
Detailsuche

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?"

Bitte aktivieren Sie Javascript.
Oder nutzen Sie das Golem-pur-Angebot
und lesen Golem.de
  • ohne Werbung
  • mit ausgeschaltetem Javascript
  • mit RSS-Volltext-Feed
Wissen repräsentieren und generalisieren 
  1. 1
  2. 2
  3. 3
  4. 4
  5. 5
  6. 6
  7. 7
  8. 8
  9.  


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...



Aktuell auf der Startseite von Golem.de
Strom
Wie wahrscheinlich ist ein Blackout?

"Blackout" könnte das Wort des Jahres werden, so wird davon gesprochen. Wir klären, ob Deutschland in diesem Winter wirklich seinen ersten derart verheerenden Stromausfall erleben könnte.
Eine Analyse von Gerd Mischler

Strom: Wie wahrscheinlich ist ein Blackout?
Artikel
  1. Bayern: Arbeitszeit von mehr als 10 Stunden am Tag gefordert
    Bayern
    Arbeitszeit von mehr als 10 Stunden am Tag gefordert

    Die bayerische Arbeitsministerin plädiert für mehr Flexibilität am Arbeitsplatz und will mehr als zehn Stunden Arbeit pro Tag erlauben.

  2. Auf alles vorbereitet: der neue Volvo EX90
     
    Auf alles vorbereitet: der neue Volvo EX90

    Volvo will bis 2030 vollelektrisch und bis 2040 klimaneutral werden - der neue Volvo EX90 zeigt, wie das gehen soll: mit einem leistungsstarken elektrischen Antrieb, Laden in zwei Richtungen und einer neuen Software-Plattform, die Sicherheit und Komfort weiter erhöht.
    Sponsored Post von Volvo

  3. Neuronales Netzwerk: Disneys Software macht Schauspieler jünger oder älter
    Neuronales Netzwerk
    Disneys Software macht Schauspieler jünger oder älter

    Neuronale Netze wie Fran könnten Darsteller in Disney-Filmen zuverlässig altern lassen oder verjüngen. Das spart viel manuelle CGI-Arbeit.

Du willst dich mit Golem.de beruflich verändern oder weiterbilden?
Zum Stellenmarkt
Zur Akademie
Zum Coaching
  • Schnäppchen, Rabatte und Top-Angebote
    Die besten Deals des Tages
    Daily Deals • PS5 jetzt bestellbar • LG OLED TV (2022) 55" 120Hz 949€ • Mindstar: Geforce RTX 4080 1.449€ • Tiefstpreise: G.Skill 32GB Kitt DDR5-7200 • 351,99€ Crucial SSD 4TB 319€, HTC Vive Pro 2 659€ • Samsung Cyber Week • Top-TVs (2022) LG & Samsung über 40% günstiger [Werbung]
    •  /