Deep Learning erkennt immer mehr Bilder

Dafür soll das System von ScreenAvoider zunächst durch von Hand beschriebene Bilder trainiert werden. Diese enthalten bestimmte Inhalte, die als öffentlich oder privat markiert sind. Durch die Methoden des "Deep Learning" werden dann auch neue Bilder mit immer höherer Genauigkeit erkannt. Dabei kommen aktuelle Techniken des maschinellen Lernens wie neuronale Netze und Ähnlichkeitsanalyse zum Einsatz.

• 

Das ScreenTag, oben links, wird meistens erkannt. (Bild: Arxiv.org)

Ein so trainiertes System erkennt mit einer Fehlerquote von im Schnitt unter einem halben Prozent zuverlässig verschiedene Anwendungen wie eine Facebook-Webseite, GMail oder verschiedene Messenger. Die Wissenschaftler gehen davon aus, dass mit zunehmender Zahl der Bilder die Erkennung immer genauer werde. Trainiert wurden die Algorithmen bisher nur mit Datensätzen von rund 1.800 und 10.000 Bildern. Eine Lifelogging-Kamera kann schon in wenigen Wochen deutlich mehr Fotos produzieren.

Das Lernen der Maschinen kann aber nur langsam neue Inhalte von Bildschirmen erkennen - beispielsweise, wenn eine neue Messenger-App beliebt wird. Daher schlagen die Forscher auch einen QR-Code vor, den Anwendungen selbst in ihrer Darstellung einblenden können. Dieser Code soll Informationen über die Art des Programms und die Einstellungen der Vertraulichkeit enthalten. Das System nennt sich Screen Tag und erinnert an die Offline Tags für Personen im öffentlichen Raum.

Erstellt wurde die Arbeit zu ScreenAvoider von einem Informatiker der Indiana-Universität in Bloomington, einem Studenten des technischen Olin College sowie einem Mitarbeiter der US-Marine. Finanziell unterstützt wurde die Forschung von der Forschungsstiftung NSF und Google.