Neuronale Netze: Wie Studenten autonome Autos schlau machen

Daimler und Bosch setzen bei ihren selbstfahrenden Autos auf künstliche Intelligenz. Doch das Trainieren der neuronalen Netzwerke ist mühselig und mit viel Handarbeit verbunden.

Ein Bericht von veröffentlicht am
Die Sensorsysteme müssen zwischen den verschiedenen Objekten im Straßenverkehr unterscheiden.
Die Sensorsysteme müssen zwischen den verschiedenen Objekten im Straßenverkehr unterscheiden. (Bild: Daimler)

Einer der vielen Mythen zur künstlichen Intelligenz besteht darin, dass die Systeme nur mit genügend Daten gefüttert werden müssen, um sie lernen zu lassen. "Der Google-Translator etwa übersetzt täglich maschinell circa 100 Milliarden Wörter und wird dadurch stetig trainiert und optimiert", sagte der CDU-Abgeordnete Hansjörg Durz Ende Juni 2018 im Bundestag. Doch so einfach ist es nicht. Ein Übersetzungsprogramm lernt nicht dadurch, dass es selbst übersetzt, sondern menschliche Übersetzungen analysiert. Auch beim autonomen Fahren ist viel Handarbeit erforderlich, um sichere Systeme zu entwickeln.


Weitere Golem-Plus-Artikel
Bildverkleinern in C#: Eine Windows-App zur Verkleinerung von Bilddateien
Bildverkleinern in C#: Bildverkleinern in C#: Eine Windows-App zur Verkleinerung von Bilddateien

Wir zeigen mit Visual Studio, wie Drag-&-Drop funktioniert, klären, ob unter Windows runde Fenster möglich sind, und prüfen, wie aufwendig eine mehrsprachige Bedienungsoberfläche ist (ziemlich).
Eine Anleitung von Michael Bröde


Web Components mit StencilJS: Mehr Klarheit im Frontend
Web Components mit StencilJS: Web Components mit StencilJS: Mehr Klarheit im Frontend

Je mehr UI/UX in Anwendungen vorkommt, desto mehr Unordnung gibt es im Frontend. StencilJS zeigt, wie man verschiedene Frameworks mit Web Components zusammenbringt.
Eine Anleitung von Martin Reinhardt


Maschinelles Lernen und Autounfälle: Es muss nicht immer Deep Learning sein
Maschinelles Lernen und Autounfälle: Maschinelles Lernen und Autounfälle: Es muss nicht immer Deep Learning sein

Nicht nur das autonome Fahren, sondern auch die Fahrzeugsicherheit könnte von KI profitieren - nur ist Deep Learning nicht unbedingt der richtige Ansatz dafür.
Von Andreas Meier


    •  /