Deep Learning

Das System zum Erkennen von gesprochener Sprache von Microsoft sei bei einem Standard-Test inzwischen ähnlich gut wie professionell geschulte Menschen. Das Forscherteam nutzt dafür Microsofts Open-Source-Toolkit CNTK, hat bei einigen Gesprächen aber noch große Schwierigkeiten.

GTC Europe 2016 Optimiert auf Deep Learning: Nvidia hat einen neuen Tegra-Chip angekündigt, Codename Xavier. Das SoC soll ein KI-Supercomputer sein, denn Nvidias Ziel ist mit 1 TOPS pro Watt ambitioniert.

Tumore im Kopfbereich von gesundem Gewebe unterscheiden und sie dann zur Therapie bestrahlen, ist extrem aufwendig. Googles KI-Sparte Deepmind will dies mit maschinellem Lernen wesentlich beschleunigen.

Die eigene Handschrift mag kunstvoll, unleserlich oder gewöhnlich sein - doch bisher schaffte es kein Rechner, das Schreibverhalten eines Menschen individuell nachzuahmen.

Für 200 Millionen US-Dollar hat Apple offenbar das Startup Turi aus Seattle gekauft. Es hat sich auf künstliche Intelligenz und Maschinenlernen spezialisiert.

Einige typische Probleme des Internets lassen sich mit Hilfe von maschinellem Lernen lösen - das glauben zumindest einige Forscher, die gerade eine offizielle Arbeitsgruppe gründen, um diese Lösungen zu finden.

Minecraft soll sich besonders gut eignen zum Testen künstlicher Intelligenz, die komplexe Aufgaben löst. Denn es sei sehr nah an der Realität, glaubt Microsoft. Der Code des Project Malmo zum KI-Testen steht nun als Open Source bereit.

Umarmung oder high-five? Kuss oder Handschlag? Ein Algorithmus soll anhand eines Bildes erkennen, was darauf abgebildete Menschen als Nächstes machen. Er lernte das durch Fernsehgucken.

Das Deep-Learning-Team von Google will Modelle erstellen, mit denen sowohl Musik als auch bildende Kunst maschinell generiert werden kann. Für das Projekt mit dem Namen Magenta will Google aktiv mit Künstlern zusammenarbeiten.

Um besser zu verstehen, was die Nutzer von Facebook meinen, analysiert das Unternehmen Nachrichten in dem sozialen Netzwerk oder auch im Messenger per künstlicher Intelligenz. Das könnte künftig für Vorschläge genutzt werden.

Um seine Projekte rund ums maschinelle Lernen zu beschleunigen, baut Google spezielle eigene Chips. Diese werden seit einem Jahr etwa für Street View oder Alpha Go genutzt und sollen künftig auch für Googles Kunden bereitstehen.

Mit maschinellem Lernen will Google sinnvolle Dialoge erzeugen. Als Trainingsdaten dienen dafür unter anderem Liebesromane. Das Ergebnis erinnert aber teils mehr an absurde Gedichte als an schmachtende Texte.

Zum Erkennen natürlicher Sprache hat Google ein neues Modell zum Parsen der Syntax entwickelt und mit seinem Deep-Learning-Framework Tensorflow implementiert. Der daraus erstellte Englisch-Parser Parsey McParseface soll die derzeit beste maschinelle Erkennungsrate für Syntaxbäume aufweisen.

Man nehme ein bereits trainiertes neuronales Netz, einen aus den DJI-Multicoptern bekannten VLIW-Chip und packe beides in ein USB-Gerät: Fertig ist Movidius' Fathom Neural Compute Stick.

Ausschließlich computergesteuerte Spielfiguren dürfen im Deathmatch-Modus von Doom bei einem Wettbewerb antreten. Die Veranstalter schlagen Deep-Learning-Methoden vor - aber im Grunde sind alle Mittel erlaubt.

GTC 2016 Zwei Xeon-Prozessoren, acht Tesla-P100-Beschleuniger mit Pascal-Technik und 170 Teraflops bei halber Genauigkeit: Nvidias neuer DGX-1 ist ein Deep-Learning-Supercomputer im kompakten Rack-Format.

Am 19. und 20. April dreht sich beim Golem.de Tech Summit alles um Deep Learning und künstliche Intelligenz. Aufgrund der großen Nachfrage von Studierenden gibt es jetzt Ermäßigungen beim Ticket-Kauf.

Build 2016 Mit den Cognitive Services von Microsoft sollen sich Sprach- und Bilderkennung sowie weitergehende Analysen in eigenen Anwendungen nutzen lassen. Und intelligente Chatbots könnten damit automatisch übersetzen.

Das GNU-Projekt will der Software für künstliche Intelligenz von Firmen wie Google und IBM ein Community-Projekt für neuronale Netze entgegenstellen. Dies erfolgt explizit aus einer ethischen Motivation heraus.

Das Programm zum ersten Golem.de Tech Summit auf der Fachmesse Quo Vadis ist fertig. Am 19. und 20. April wird sich dort alles um Deep Learning und künstliche Intelligenz drehen - mit hochkarätigen Vorträgen. Der Ticketverkauf läuft.

Google-Forscher haben einen Algorithmus entwickelt, der den Aufnahmeort eines Fotos bestimmen soll. Das System analysiert dazu geocodierte Fotos und lernt, Ähnlichkeiten zu erkennen.

Das MIT hat einen Chip entwickelt, der weitaus effizienter als eine Grafikeinheit in einem Mobile-SoC sein soll. Damit wäre Deep Learning in Smartphones oder Geräten des Internets der Dinge denkbar.

Offen statt proprietär: Mit einer Software-Initiative namens GPU Open möchte AMD im HPC-, Linux- und Spiele-Segment auf Open Source setzen. In Abgrenzung von Nvidia sollen so Entwickler und Nutzer gewonnen werden.

Das Deep-Learning-Werkzeug CNTK von Microsoft steht nun als Open Source bereit. Wie vergleichbare Technik kann es zur Bild- oder Spracherkennung genutzt werden, soll dabei aber deutlich schneller sein als Googles Tensorflow.

Die Forschungsabteilung von Baidu gibt Code auf Github frei, mit dem neuronale Netze für Spracherkennung trainiert werden. Das formale Konzept dahinter nutzt auch Google in seiner Sprachsuche, weil es besser als bisher verwendete Modelle funktioniert.

Für Forscher gibt Yahoo einen riesigen Datensatz frei, der den Umgang mit Nachrichten von Nutzern enthält. Gedacht ist dies für maschinelles Lernen und die Erprobung von Vorschlagsystemen.

Microsoft veröffentlicht Produkte für die Sprache R nach einem Kauf nun unter eigenem Namen. Die Unterstützung für Linux, Hadoop und die freie Variante bleiben dabei erhalten. Zudem gibt es kostenlose Angebote.

Zwei Modelle für Server: Die Tesla M40 und die Tesla M4 sind Beschleuniger-Karten für Deep Learning, Bilderkennungsalgorithmen und Videoverarbeitung. Anders als bei früheren Tesla-Modellen mangelt es ihnen aber an Double-Precision-Leistung.

Mit Tensorflow hat Google eine zweite Generation seiner Software für maschinelles Lernen freigegeben. Der Python-Code kann von jedem eingesetzt werden und unterstützt auch GPU-Beschleunigung.

Apple hat mit Perceptio ein Startup übernommen, das künstliche Intelligenz und Maschinenlernen auf Smartphones und Tablets bringen will, ohne dass die Daten zur Analyse in die Cloud verschoben werden müssen. So soll die Privatsphäre gewahrt bleiben.

Snoop Dog? Rakim? Eminem? Der Computer rappt besser. Das behaupten Wissenschaftler aus Finnland. Sie haben einen Algorithmus entwickelt, der nach Angaben der Forscher besser reimt als die besten Rapper. Die erkennt der Algorithmus auch.

Nvidia will für die Forschung an tiefen neuronalen Netze einen Rechner zum Preis von 15.000 US-Dollar anbieten. Dafür sollen Forscher die größtmögliche GPU-Leistung bekommen, die mit einer Steckdose möglich ist - und viel vorinstallierte Software.

Mit dem Project Adam erforscht Microsoft neuronale Netze und maschinelles Lernen. Das simulierte Gehirn mit zwei Milliarden Verbindungen erkennt Hunderassen und soll künftig eine Vielzahl von Objekten visuell identifizieren können.

Google und die Nasa haben gemeinsam eine Forschungseinrichtung für künstliche Intelligenz gegründet. Mit Hilfe eines Quantencomputers wollen sie unter anderem bessere Vorhersagemodelle entwickeln.

Wie kann ein Roboter Äpfel sortieren? Das Unternehmen Festo hat eine Methode gefunden: Ein pneumatisch betriebener Robotergreifer mit vier Fingern lernt selbstständig, diese Aufgabe zu bewältigen.

Google holt sich einen Pionier auf dem Gebiet der künstlichen Intelligenz: Ray Kurzweil geht zu dem Internetunternehmen. Er soll dort auf den Gebieten Maschinenlernen und Sprachverarbeitung arbeiten.

Devavrat Shah und Stanislav Nikolov haben einen Algorithmus entwickelt, der mit 95-prozentiger Genauigkeit Trendthemen auf Twitter voraussagen soll.

Forscher von Google und der Stanford-Universität haben ein neuronales Netz mit 16.000 Prozessoren gebaut und damit ein System zum Maschinenlernen getestet. Es lernte selbstständig, Menschen- und Katzengesichter zu erkennen.