AI / KI & Deep Learning

Die AI/KI sowie das Deep Learning erweitern das traditionelle HPC, indem sie es Forschern ermöglichen, riesige Datenmengen schneller und effektiver zu analysieren. Es sind transformative neue Werkzeuge, um Erkenntnisse zu gewinnen, bei denen die Simulation allein die reale Welt nicht vollständig vorhersagen kann.

HPC ist eine grundlegende Säule der modernen Wissenschaft. Von der Wettervorhersage über die Entdeckung von Medikamenten bis hin zur Suche nach neuen Energiequellen nutzen Forscher große Computersysteme, um unsere Welt zu simulieren und vorherzusagen.

AI/KI & Deep Learning

Welche Bereiche künftig für AI/KI & Deep Learning interessant sein werden:

Entspanntes Zukunftsleben: Der Kaffee ist morgens um sieben fertig aufgebrüht, die Rollläden hochgefahren und das Haus hat sich bereits vorgewärmt, wenn wir von der Arbeit kommen. Die Fenster haben sich geschlossen, weil es regnet und der Kühlschrank hat mit der smarten Alexa Rücksprache gehalten, was sie uns als Einkaufsliste aufs Smartphone schicken soll. Der Haushalt wird leichter und die Erziehung der Kinder nimmt auch neue Züge an. Das Spielzeug hört zu, spielt auf Sprachbefehl Musik ab oder nimmt Videos auf.
Im Online-Handel sind intelligente Algorithmen mit Visual Commerce längst etabliert. Sie zeigen uns nämlich, „was andere Kunden kauften“ und empfehlen uns weitere Produkte. Auch der stationäre Einzelhandel rüstet auf. Anprobieren wird überflüssig, denn auf einem großen Display wird die gewünschte Kleidung am eigenen Körper gezeigt. Aber selbst Mitarbeiter bekommen mit intelligenten Systemen wie Flooresense von Mindtree das Leben erleichtert. Über bereits installierte Überwachungskameras analysiert ein System, ob ein Kunde Hilfe benötigt. Daraufhin wird ein Mitarbeiter per App kontaktiert, kann dem Kunden helfen und die Zufriedenheit durch einen schnellen Einkauf so steigern. Die KI lernt aus diesen Begegnungen und optimiert daraufhin ihre Unterstützung.
In der Medizin haben sich Roboter schon länger etabliert, da sie bei schwierigen Operationen feiner arbeiten können als Menschen. Zwar werden sie noch von diesen gesteuert, bieten aber eine große Unterstützung. Auch bei der Diagnose selbst sind künstliche Intelligenzen häufig präziser als Ärzte. So erkennt KI etwa sicherer und früher, ob ein Patient an Krebs erkrankt ist. Ein weiterer Einsatzbereich ist die Altenpflege. Die Betreuung von Demenzkranken kann durch die Technologien unterstützt werden. Für diese Zwecke wurden unter anderem bereits kleine Teddybären entwickelt, die sich mit den Patienten interaktiv unterhalten. Denn Ansprache verlangsamt nachweislich das Voranschreiten der Krankheit.
Industrie 4.0 setzt häufiger auf flexible Fertigungsstationen mit Robotern als auf Manpower am Fließband. Die Smart Factory verfügt über frei bewegliche Roboter, die sich selbst absprechen und organisieren, wann wer wo arbeitet. Diese Kommunikation ist auch über weit entfernte Standorte möglich – somit erhöht sich die Effizienz der Produktion deutlich. Gerade die Autoindustrie setzt bei der Entwicklung des autonomen Fahrens auf künstliche Intelligenz. Diese entscheidet später selbst über die Fahrmanöver und sorgt für mehr Sicherheit – für die Straße und für den Fahrer.
Chatbots werden für unterschiedliche Aufgaben konzipiert und eingesetzt. Große Konzerne wie Maggi und Opel nutzen sie bereits für die Kommunikation mit Kunden, politische Fraktionen wie die CSU haben sie auf Facebook eingerichtet. Social Bots wie Woebot ersetzen ein psychologisches Hilfetelefon. Juristen lassen einfache Anfragen schon komplett von diesen künstlichen Intelligenzen bearbeiten. Dazu gehört auch das Verschicken von unkomplizierten, standardisierten Anschreiben. Sogar im Journalismus haben diese kleinen Computerprogramme schon Fuß gefasst, indem leichte Konversationen mit Usern mit aktuellen Nachrichten gespickt werden.

Wir unterstützen Sie bei der Umsetzung Ihres AI/KI & Deep Learning Projekts. Wir verfügen über bewährte GPU gestützte Server die ein vielfaches an Daten verarbeiten können als reine CPU basierte Server.

Die Welt wartet auf Ihre nächste große Innovation.

Lassen Sie uns gemeinsam etwas kreieren!

Deep Learning ist eine Superkraft. Mit ihr können Sie einen Computer sehen lassen, neuartige Kunst synthetisieren, Sprachen übersetzen, eine medizinische Diagnose stellen oder Teile eines Autos bauen, die sich selbst fahren können. Wenn das keine Superkraft ist, weiß ich nicht, was es ist.

Wissenswertes über AI/KI & Deep Learning

Was versteht man im allgemeinen unter Künstlicher Intelligenz?

Das Gebiet der künstlichen Intelligenz ist im Wesentlichen wie folgt definiert: „Wenn Maschinen Aufgaben erledigen können, die typischerweise menschliche Intelligenz erfordern.“ Es umfasst das maschinelle Lernen, bei dem Maschinen aus Erfahrung lernen und Fähigkeiten ohne menschliche Beteiligung erwerben können. Deep Learning ist eine Teilmenge des maschinellen Lernens, bei dem künstliche neuronale Netze, vom menschlichen Gehirn inspirierte Algorithmen, aus großen Datenmengen lernen. Ähnlich wie wir aus der Erfahrung lernen, würde der Deep Learning Algorithmus eine Aufgabe wiederholt ausführen, wobei er sie jedes Mal ein wenig optimiert, um das Ergebnis zu verbessern. Wir sprechen von „Deep Learning“, da die neuronalen Netze verschiedene (tiefe) Schichten haben, die das Lernen ermöglichen. Gerade jedes Problem das „Denken“ erfordert, ist ein Problem, dass Deep Learning lernen kann zu lösen.

Methoden zur Erzeugung von Künstlicher Intelligenz

Die Grundannahme der KI lautet, dass menschliche Intelligenz das Ergebnis verschiedener Berechnungen ist. Dabei lässt sich die KI selbst auf verschiedene Weise erzeugen. Mittlerweile gibt es KI-Systeme, deren Hauptaufgabe darin besteht, Muster zu erkennen und infolgedessen entsprechende Handlungen auszuführen. Außerdem gibt es die sogenannten wissensbasierten KI-Systeme. Diese versuchen, anhand des in einer Datenbank gespeicherten Wissens Probleme zu lösen. Andere Systeme setzen wiederum Methoden aus der Wahrscheinlichkeitsrechnung ein, um auf gegebene Muster angemessen zu reagieren.

Moderne KI-Ausprägungen

Zu den aktuellsten Ausprägungen der künstlichen Intelligenz zählen Ansätze wie Cognitive Computing, Neuronale Netzwerke und Natural Language Processing. Cognitive Computing ist ein Konzept, das zum Ziel hat, vorhandene Informationssysteme an die Anforderungen der heutigen Zeit anzupassen. Auf diese Weise soll die Interaktion zwischen Computersystem und Mensch verbessert werden.
Ein neurales Netzwerk besteht aus künstlichen Neuronen und orientiert sich hinsichtlich seines Aufbaus und seiner Funktionsweise am menschlichen Gehirn. Dadurch soll ein neurales Netzwerk in der Lage sein, besonders realistische Berechnungen zu erstellen. Neuronale Netze kommen inzwischen in zahlreichen Gebieten aus Wissenschaft und Industrie zum Einsatz. So setzt beispielsweise das Unternehmen Google für sein KI-System DeepMind ein neurales Netzwerk ein und kombiniert dieses mit Methoden aus dem Bereich Machine Learning. Dabei wird mit DeepMind und dem Machine-Learning-Ansatz nicht nur das Ziel verfolgt, Computer mit Intelligenz auszustatten, sondern auch, die Funktionsweise des Gehirns besser zu verstehen.

Hierzu wendet man auch das sogenannte Deep Learning an. Das Deep Learning ist ein Teilbereich des Machine Learning. Zusammen mit neuronalen Netzwerken bietet Deep Learning die momentan beste Möglichkeit, Bilder und Sprache zu erkennen. Mit Natural Language Processing ist die Verarbeitung natürlicher Sprache gemeint. Schwerpunktmäßig befasst sich das Natural Language Processing wie auch das Cognitive Computing mit der Interaktion zwischen Computer und Nutzer.

Einsatzmöglichkeiten und Grenzen

Für KI-Systeme gibt es mittlerweile vielfältige Einsatzmöglichkeiten. Unternehmen nutzen häufig die Möglichkeit, ihre Kommunikation mit den Kunden durch den Einsatz von Chatbots effizienter zu gestalten. Auch die Lagerverwaltung oder Einkäufe können inzwischen von KI-basierten Systemen übernommen werden. Künstliche Intelligenz in Form von Robotik findet bei der Produktion von Maschinen oder Geräten Anwendung. Darüber hinaus kann KI auch im Automobilbereich zum Einsatz kommen. Dort setzt man künstliche Intelligenz beispielsweise zur Entwicklung und Umsetzung selbstfahrender Autos ein. Zwar ist die KI inzwischen in zahlreichen Bereichen von Nutzen jedoch ist ihr Einsatz immer mit Problemen und Risiken verbunden.

Auf die Gefahren, die mit der Verwendung von KI verbunden sind, wies eine Forschungsgruppe von Google im März 2016 hin. Hierzu formulierten die Forscher einen Fragenkatalog, mit dem mögliche Sicherheitsrisiken selbstlernender und intelligenter Systeme konkretisiert werden sollten. Unter anderen stellten die Forscher die Frage, wie ein Roboter seine Umgebung so erkunden kann, dass er Menschen nicht gefährdet.

Das grundlegende Konzept des Deep Learnings

Deep Learning lehrt Maschinen zu lernen. Die Maschine wird in die Lage versetzt, selbstständig und ohne menschliches Zutun ihre Fähigkeiten zu verbessern. Das erreicht man, indem aus vorhandenen Daten und Informationen Muster extrahiert und klassifiziert werden. Die gewonnenen Erkenntnisse lassen sich wiederum mit Daten korrelieren und in einem weiteren Kontext verknüpfen. Schließlich ist die Maschine fähig, Entscheidungen auf Basis der Verknüpfungen zu treffen.

Durch kontinuierliches Hinterfragen der Entscheidungen erhalten die Informationsverknüpfungen bestimmte Gewichtungen. Bestätigen sich Entscheidungen, erhöht sich deren Gewichtung, werden sie revidiert, verringert sich die Gewichtung. Zwischen der Eingabeschicht und der Ausgabeschicht entstehen immer mehr Stufen an Zwischenschichten und Verknüpfungen. Über den eigentlichen Output entscheidet die Anzahl der Zwischenschichten und deren Verknüpfung.

Abgrenzung des Deep Learnings vom rein maschinellen Lernen

Deep Learning ist zwar ein Teilbereich des Machine Learnings, lässt sich aber dennoch gut vom rein maschinellen Lernen abgrenzen. Der entscheidende Unterschied besteht darin, dass beim maschinellen Lernen der Mensch in die Analyse der Daten und den eigentlichen Entscheidungsprozess eingreift. Beim Deep Learning sorgt der Mensch lediglich dafür, dass die Informationen für das Lernen bereitstehen und die Prozesse dokumentiert sind. Die eigentliche Analyse und das Ableiten von Prognosen oder Entscheidungen überlässt er der Maschine selbst. Der Mensch hat keinen Einfluss auf die Ergebnisse des Lernprozesses. Es lässt sich im Nachhinein nicht mehr vollständig zurückverfolgen, auf Basis welcher genauen Muster eine Maschine eine bestimmte Entscheidung getroffen hat. Zudem werden die Entscheidungen ständig hinterfragt und so die Entscheidungsregeln selbstständig optimiert.

Anwendungsbereiche für das Deep Learning

Deep Learning ist überall dort gut geeignet, wo sich große Datenmengen nach Mustern und Modellen untersuchen lassen. Daher kommte es im Rahmen künstlicher Intelligenz häufig für die Gesichts-, Objekt- oder Spracherkennung zum Einsatz. Bei der Spracherkennung ist es beispielsweise dank des Deep Learnings möglich, dass die Systeme ihren Wortschatz selbstständig mit neuen Wörtern oder Wortwendungen erweitern. Ein bekanntes Beispiel für eine solche Arbeitsweise ist der intelligente Sprachassistent Siri von Apple. Weitere Anwendungsbereiche sind das Übersetzen von gesprochenen Texten, die erweiterte künstliche Intelligenz in Computerspielen, das autonome Fahren oder die Vorhersage des Kundenverhaltens auf Basis von Daten eines CRM-Systems.

AI/KI & Deep Learning

Discover The Future

We support you implementing your AI Solution or Deep Learning Project