Deep Learning funktioniert durch paralleles Rechnen

Nvidia, Chappie oder: Computer sind auch nur Menschen

| Autor: Ulrike Ostler

"Chappie", der Film von Sony Pictures mit Sigourney Weaver und Hugh Jackman, entstand ebenfalls unter Einsatz von GPUs und thematisiert selbstlernende Roboter.
"Chappie", der Film von Sony Pictures mit Sigourney Weaver und Hugh Jackman, entstand ebenfalls unter Einsatz von GPUs und thematisiert selbstlernende Roboter. (Bild: Sony/Nvidia)

Am 5. März lief „Chappie“ von Regisseur Neill Blomkamp an. Darin geht es um selbstlernende Computer; im Science-Fiction-Streifen ist es ein Roboter, der mit der Intelligenz auch Gefühle entwickelt. Doch die Thematik selbst ist unter den Stichworten Künstliche Intelligenz, Neuronale Netze, kognitive Computer oder „Deep Learning“ keine Fantasie. Vielmehr begegnet sie uns im Datacenter, im Auto, im Alltag. Mit dabei: Graphical Processor Units (GPUs) von Nvidia.

Grafikprozessoren werden sowohl in der Industrie als auch in Hochschulen für maschinelles Lernen eingesetzt. Der Grund: Mit ihnen lassen sich Prozesse parallelisieren und damit um ein Vielfaches beschleunigen – sofern der Anwendungscode das zulässt.

Zu den typischen Anwendungen zählen Bildklassifikation, Video-Analysen, Spracherkennung und die Verarbeitung natürlicher Sprache. Insbesondere das Deep Learning – der Einsatz hoch entwickelter, komplexer, auf mehreren Ebenen arbeitender neuronaler Netze zum Aufbau von Systemen, die in der Lage sind, aus riesigen Mengen ungeordneter Trainingsdaten Merkmale zu erkennen – ist ein Bereich, in den beträchtliche Summen investiert werden und der intensiv erforscht wird.

Spracherkennung

So arbeitet Microsoft für Skype an einem Simultanübersetzer (siehe: Video). Auch hier orientieren sie sich an der Arbeitsweise des Gehirns, das heißt: Der Computer muss „lernen“ beziehungsweise trainiert werden.

2009 nahmen sich Forscher der Universität von Toronto einer Deep-Learning-Maschine an und fütterten sie mit drei Stunden Sprachaufnahmen und der dazugehörigen Transkription. Ihr System war mit einer Fehlerquote von unter 20 Prozent besser als sämtliche Vorgänger. Doch jetzt handle es sich um eine mehr als realistische Vision, so Ralph Hinsche, Business Development Manager Higher Ed & Research bei Nvidia. Er erläutert, sehr wahrscheinlich werde in einem absehbaren Zeitraum jedermann am Handy und dank Skype in den Genuss eines Computer-Dolmetschers gelangen.

Bilderkennung

Auf dem Gebiet der Objekterkennung, beziehungsweise Bilderkennung dokumentiert sich der Fortschritt quasi von selbst, da es hier Wettbewerbe gibt, etwa den „Online German Traffic Sign Recognition Contest“. oder im Bereich chinesischer Handschriften.

Ergänzendes zum Thema
 
Über die Fuidyna GmbH

Noch 2012 trainierte die Universität von Toronto 2012 ein neuronales Netz, in dem es galt 1,2 Millionen hochauflösende Bilder nach 1.000 Kriterien zu klassifizieren. Es bestand aus 60 Millionen Parametern und 650.000 Neuronen. Die Fehlerrate lag zwischen 37,5 und 17,0 Prozent. Im Jahr 2012 erzielten die Forscher den ersten Platz mit einer Fehlerrate von 15,3 Prozent. Im Benchmark von 2014 verdoppelte sich die Genauigkeit der Bilderkennung und halbierte sich die Fehlerquote.

Unter dem Einsatz von GPUs in den Trainingssystemen für die Bilderkennung reduziert sich die Fehlerrate drastisch.
Unter dem Einsatz von GPUs in den Trainingssystemen für die Bilderkennung reduziert sich die Fehlerrate drastisch. (Bild: Nvidia)

In diesem Februar legten die Macher von Google Deep Mind Ergebnisse vor, die bei einer Fehlerrate von 4,9 Prozent lagen (siehe: Abbildung) . Ein Mensch, der Vergleichbares leisten müsste, läge schlechter: Hier gilt eine Fehlerquote von 5,1 Prozent als gegeben. Damit erkennen die neuronalen Netze Bilder besser als Menschen.

Inhalt des Artikels:

Was meinen Sie zu diesem Thema?

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 43256616 / Komponenten)