Deep Learning

Deutsche Forscher entwickeln einen 3D-Scanner, der mit nur einer Kamera und maschinellem Lernen Personen aufnimmt und in editierbare Modelle umwandelt. Damit sollen Spieler eigene Avatare erstellen können. Noch ist das System aber nicht genau genug dafür.

Mit Hilfe der bereits bekannten KI-Software Fakeapp und Adobe After Effects wurde ein Videoclip erstellt, der den ehemaligen US-Präsidenten Obama beleidigende Sätze sprechen lässt. Die Fälschung ist bereits sehr gelungen, aber nicht ohne Fehler. Das Potenzial solcher Techniken ist schon groß.

Googles AIY Vision und Voice erinnern an Nintendo Labo. Es handelt sich um Bastelkästen aus Pappkarton und Raspberry Pi Zero WH. Doch erst der Google Assistant und Tensorflow sollen die Würfel zum Bilderkennungssystem oder zum Mini-Google-Home machen.

Forscher bei Google haben einen Algorithmus vorgestellt, der zuverlässig verschiedene Sprachquellen in Videos trennen soll. Dabei verlässt sich das Deep-Learning-Modell nicht nur auf unterschiedliche Audiomuster, sondern bezieht auch die Mundbewegungen in die Berechnung mit ein.

Die Initiative Applied AI fördert die Anwendung künstlicher Intelligenz in Europa. Mehrere große Partner wie Google, SAP und Siemens sollen dabei helfen. Das Projekt will Europa beim Thema KI konkurrenzfähig machen, muss aber auch über Risiken aufklären.

Mehr als 3.100 Mitarbeiter von Google sind gegen die militärische Nutzung ihrer KI. Ein offener Brief an den CEO Sundar Pichai wurde als Protest gegen Projekt Maven verfasst. Auch alteingesessene Mitarbeiter haben das Dokument unterschrieben.

Alterego ist eine Kombination aus neuronalem Netzwerk und Sensormaske. Das System kann Muskelimpulse deuten und in Wörter umwandeln. Der Sinn: mit Hardware natürlich und ohne sichtbare Interaktion kommunizieren zu können.

AWS kündigt Neuerungen bei seinem Cloud-Speicher S3 an: Es wird ein preiswertes Angebot geben, das Daten in nur einer Verfügbarkeitszone speichert. Das verringert die Redundanz, könnte für deutsche Unternehmen aber ein Plus sein. Auch der KI-Editor Sagemaker wird verbessert.

GTC 2018 Nvidia macht über die Hälfte des Umsatzes mit Geforce-Grafikkarten für PC-Spieler, doch investiert weiterhin stark im Profi-Segment. Hier sollen die Bereiche autonomes Fahren und künstliche Intelligenz für höhere Gewinne sorgen, für die Nvidia neue Plattformen und Chips entwickelt.
Ein Bericht von Marc Sauter

Was hat das Gegenüber gerade gesagt? Die Sprachbarriere mindert oft den Spaß an Reisen in fremde Länder. Der chinesische Internetkonzern Baidu hat ein Gerät entwickelt, das Abhilfe bietet: Es übersetzt fast simultan das gesprochene Wort, vorerst aber nur in drei Sprachen.

GTC 2018 Wer künftig Chips mit ARM-Kernen entwickelt, kann darin auch Nvidias Deep Learning Accelerator verwenden. Passend dazu ist die TensorRT-Bibliothek nun Teil von Googles Tensorflow für eine höhere Leistung.

GTC 2018 Das DGX-2 enthält doppelt so viele GPUs wie das DGX-1, die obendrein auf einen verdoppelten Speicher pro Chip zugreifen können. Auch bei den CPUs und deren RAM hat Nvidias Deep-Learning-System mehr von allem.

Die neue Deep Learning Foundation soll Open-Source-Innovationen im Bereich der KI-Forschung fördern und wird von der Linux Foundation unterstützt. Getragen wird das Projekt von Netzwerk-Unternehmen, die zunächst die Infrastrukturschicht Acumos veröffentlichen.

GDC 2018 Vacnet soll eines der größten Probleme des Teamshooters CS:GO bekämpfen: Cheating. Das System soll Verhaltensweisen von Verdächtigen analysieren und lernt durch die Spieler-Community selbst. Das System wird bereits erfolgreich eingesetzt.

Wie genau trainierte neuronale Netze funktionieren, wissen selbst deren Ersteller oft nicht. Eine Möglichkeit, dies herauszufinden, ist aber offenbar, die Modelle gezielt zu zerstören. Das zeigt eine Untersuchung von Deepmind.

Berechnen, verdoppeln, besser berechnen: Zwei Forscher entwickeln ein neuronales Netz, das sich selbst repliziert. Die Hoffnung ist, dass sich das System selbstständig verbessert - ganz wie in der Natur. Allerdings ist das wohl noch nicht ganz der Fall.

Ngraph ist ein neuer Framework-unabhängiger Modell-Compiler für Deep Learning von Intel. Mit Frameworks wie Tensorflow oder CNTK erzeugter Code lässt sich mit Ngraph in Zukunft für Intel-Chips, Nvidia GPUs, FPGAs und mögliche weitere Deep-Learning-Hardware übersetzen.

IBMs Visionen auf der neuen Messe Think 2018 sind groß: Das Unternehmen will Watson verwenden, um Modelle für Apple-Geräte zu trainieren und um den Zustand der Weltmeere zu analysieren. Ein winziger Computer soll die Blockchain direkt an Produkte bringen - betrieben von einer Solarzelle.

Entwickler können mit der nächsten Windows-10-Version ihre Projekte mit trainierten maschinellen Lernmodellen ergänzen. Das neue Windows-ML-Framework ermöglicht deren Ausführung auf dem Heim-PC und wohl sogar auf dem Raspberry Pi - ohne Cloud-Anbindung.

Mit dem Besen ist er nicht unterwegs, aber mit dem Stein soll er ziemlich geschickt sein: Diverse südkoreanische und ein deutscher Forscher haben einen Roboter entwickelt, der Curling spielt. Eine KI-Steuerung übernimmt die komplexen Aufgaben, die sich beim Schach auf dem Eis stellen.

Aus der Luft Feinde und Stellungen erkennen und automatisch auswerten: Das US-Militär steckt viel Geld in die Nutzung von KI für militärische Zwecke. Google stellt einem Bericht zufolge einen Teil der dafür notwendigen Technik. Unter Mitarbeitern soll es heftige Diskussionen darüber geben.

Die Mali-G52 ist ARMs neue Mittelklasse-Grafikeinheit für Smartphones, die Machine Learning unterstützen sollen. Hinzu kommt die effiziente Mali-G31. Ebenfalls wichtig sind eine Display- (DPU) und eine Video-Einheit (VPU) für 4K-Geräte.

Angreifer können aus bereits trainierten Deep-Learning-Modellen private und sicherheitskritische Informationen extrahieren. Das funktioniert besonders gut mit kurzem Text, zeigt eine Forschungsarbeit der UC Berkeley.

IBMs KI-System Watson bekommt ein Pixelgesicht, einen Körper und einen Astronauten zur Seite. Auf der ISS soll der Roboter getestet werden. Zunächst soll er als automatisierter Protokollführer von Experimenten und fliegende Kamera eingesetzt werden.

Gefilmt werden und eine Frage mündlich beantworten: Ein neues biometrisches Captcha-System soll verhindern, dass Algorithmen die Abfragen austricksen. Die Lösungszeit macht dabei den Unterschied zwischen Mensch und Maschine.

Statt Schnellgeschwindigkeit langsames Fahren und statt Fast Food eine Vollbremsung: Ein Forschungsprojekt beweist, dass autonome Fahrzeuge Verkehrsschilder schnell falsch interpretieren können. Dazu braucht es nur ein wenig Farbe oder Witterung.

Mit genug Referenzmaterial kann ein Deep-Learning-Algorithmus von Googles Tochter Verily verschiedene Eigenschaften von Patienten bestimmten, etwa das Alter, das Geschlecht oder das Risiko einer Herz-Kreislauf-Erkrankung. Die Genauigkeit ist schon jetzt mit traditionellen Methoden vergleichbar.

Nachdem Apple, Huawei und Img Tech bereits Hardware oder IP für künstliche Intelligenz in Smartphones haben, zieht ARM nach: Project Trillium umfasst Inferencing und Objekterkennung. Die Integration erfolgt eng neben den CPU-Kernen.

Die Deep-Learning-Beschleuniger von Google lassen sich nun in einem offenen Betaprogramm der sogenannten Cloud-TPU testen. Für Machine-Learning-Aufgaben sollen aber weiter auch Skylake-CPUs und Nvidias GPUs bereitstehen.

Bei weißen Männern funktioniert Gesichtserkennung mit 99 Prozent Genauigkeit, ganz anders ist es bei schwarzen Frauen. Das zeigt die Studie einer MIT-Informatikerin, die Geschlechterzuordnung untersucht hat. Betroffen sind etwa Systeme von Microsoft und IBM.

Der Fahrer war nur zur Sicherheit dabei: Ein vom US-Unternehmen Embark umgebauter Truck hat die USA autonom durchquert.

Mit der PowerVR GT8540 gibt es eine Grafikeinheit für Automotive- oder Smartphone-Chips, sie kann per CLDNN angesprochen werden. Das auf OpenCL aufsetzende Neural-Net-SDK ist vornehmlich für den AI-Beschleuniger PowerVR 2NX gedacht.

Die auf dem Python-Framework Caffe2 basierende Objekterkennung Detectron von Facebook steht nun als Open Source bereit. Das Projekt implementiert verschiedene Algorithmen auf Basis maschinellen Lernens und stellt auch einen Modellzoo bereit.

Ein Beatles-Song auf Knopfdruck? Kein Problem. Hip-Hop-Beats in Sekunden? Bitte sehr. Künstliche Intelligenz wird kreativ - und könnte die Musikbranche verändern.
Von Eike Kühl

Wer eine Geforce oder Titan verwendet, darf diese Nvidia-Karten der aktualisierten Endbenutzer-Lizenzvereinbarung zufolge nicht mehr in Rechenzentren, etwa für Deep Learning, einsetzen. Für Server-Anbieter oder Universitäten ist das ein Problem.

Für die aktuelle Version seiner Sprachsynthese aus Text kombiniert Google verschiedene Ansätze und erreicht so fast die Qualität professionell vorgelesener Aufnahmen. Das System, Tacotron 2, hat aber noch große Schwierigkeiten mit Fremdwörtern und praktische Probleme.

Nima soll möglichst genau die ästhetische und handwerkliche Qualität eines Fotos einschätzen können, ohne dass das direkte Referenzbild zur Verfügung steht. Die Ergebnisse sind laut Google schon nah an der menschlichen Einschätzung, die Forschung aber noch recht fern von der produktiven Anwendung.

Nvidias neue Titan V für 3.100 Euro ist eine extrem schnelle Grafikkarte - zumindest in den Workloads, für welche die Nvidia-Volta-Architektur ausgelegt wurde. Wer nur zocken möchte, wird sich über das vorgegebene 250-Watt-Limit ärgern.

CES 2018 Mit dem Markennamen ThinQ will LG künftig all seine Geräte mit Einbindung künstlicher Intelligenz bezeichnen. Das Portfolio soll Unterhaltung und den Haushalt abdecken, erste Produkte will der südkoreanische Hersteller auf der CES 2018 zeigen.

Facebook verwendet künftig eine optionale, auf Maschinenlernen basierende Gesichtserkennung, um Nutzer zu benachrichtigen, wenn sie auf Fotos anderer User zu sehen sind. Das soziale Netzwerk will diese Technik auch zum Schutz der Identität der Nutzer verwenden und damit Fake-Profile entlarven.

Die Xeon Phi Knights Mill sind speziell für Deep Learning ausgelegt: Die gesockelten Prozessoren haben bis zu 72 Kerne und spezielle Instruktionen, die VNNI. Die hohe Geschwindigkeit geht mit einer Verlustleistung von bis zu 320 Watt einher.

Die zweite Generation von Googles Deep-Learning-Beschleunigern TPU wird in Clustern zu je 64 Stück genutzt. Solch ein Cluster hat Zugriff auf 4 TByte HBM-Speicher. Einem einzelnen Kern aus Matrix- und Vektor-Recheneinheit steht je ein Speicher-Stapel aus 8 GByte zur Verfügung.

Turi Create stellt Methoden für die Bilderkennung zur Verfügung. Es soll möglichst einfach und ohne Vorkenntnisse zu maschinellem Lernen bedienbar sein. Ungewöhnlich für Apple: Das Produkt ist quelloffen.

Am Beispiel des neuen AC922 zeigt IBM, dass der Power9-Prozessor in rechenintensiven Anwendungen wohl sehr effizient ist. Das System gibt es jetzt für den Unternehmenseinsatz zu kaufen. PCIe 4.0 und OpenCAPI sind dabei wichtige Faktoren, die die x86-Konkurrenz bisher noch nicht hat.

Rekognition Video ist die neue Ergänzung des Deep-Learning-Systems von AWS. In der Cloud können damit Gesichter, Objekte und Aktionen automatisch erkannt werden. Sogar Prominente sollen so zugeordnet werden können. Die Ergebnisse werden in einer Übersicht angezeigt.

Mit Deep Speech steht ein erstes freies Modell zur Spracherkennung von Mozilla bereit. Parallel dazu sammelt Mozilla mit Common Voice die Sprachdaten dafür und stellt diese ebenfalls frei zu Verfügung. Golem.de hat mit den Verantwortlichen der beiden Projekte gesprochen.
Von Sebastian Grüner

Sagemaker ist eine Plattform für das Erstellen von maschinellen Lernalgorithmen. AWS gibt dem Kunden Tools an die Hand, die das Training von Modellen möglichst einfach machen soll. Viele Frameworks sind bereits vorinstalliert, per Docker können auch eigene genutzt werden.

Ein Motor und viele Sensoren: Googles Chromebooks könnten sich in Zukunft von selbst öffnen und schließen. Ein Patent zeigt die Technik, mit der ein Notebook sich auch selbstständig entsperrt. Das erinnert ein wenig an Windows Hello und Apple Face ID.

Mit Tensorflow Lite veröffentlicht Google eine extrem kleine Variante seiner Machine-Learning-Bibliothek, die speziell für Mobil- und Embedded-Geräte gedacht ist. Auf Android-Geräten wird eine neue Beschleuniger-API verwendet.

Googles AutoML entwickelt sich. Jetzt kann das System komplexere Modelle selbstständig erschaffen - ohne menschliche Hilfe. Das neue Modell heist Nasnet und soll bei der Bild- und Objekterkennung sehr effizient sein.