ML Con 2018

2 Take-aways vom 2. Tag der ML Con: Wie KI selbstverständlich wird & wo sie heute steht
Keine Kommentare

ML ist auf dem Vormarsch. Das zeigte auch der zweite Tag der ML Con und Voice Con 2018 in Berlin. KI könnte bald genauso selbstverständlich sein wie das Smartphone! Aber wie weit ist die Technologie wirklich schon? Auch darauf gingen unsere Speaker ein.

Take-away 1: ML wird zum Konsumgut

„AI as a commodity“ war das Thema der Keynote von Dr. Pieter Buteneers (Robovision) am zweiten Tag der ML Conference. Noch einmal füllte sich der große Keynote-Saal, dieses Mal für ein Thema, das zuerst widersprüchlich wirkt: Commodities, das sind doch Verbrauchsgüter, wie Obst oder Sand? Was hat das mit Machine Learning und künstlicher Intelligenz zu tun?

Wie Buteneers in seiner Keynote ausführte, werde der Begriff der Commodities auch im Business-Umfeld genutzt und stehe hier für Dienste und Gegenstände, die billig und leicht auswechselbar sind. Das treffe auf Beratungsunternehmen zu, bei denen man leicht von einem zum anderen wechseln könne. Aber auch Windows-Computer und Android-Smartphones hätten diesen Status: Die Geräte bekomme man überall, sie sind in der einfachen Ausführung nicht teuer und recht leicht auszuwechseln.

Auch im Bereich des Machine Learnings gibt es bereits Ansätze, die in diese Richtung gehen. Buteneers benannte hier insbesondere die Azure-Services als Schritt auf dem Weg zur AI-as-a-Commodity. Dabei handele es sich zwar eher um den Trabi des Machine Learnings, nicht um den Ferrari, die Services seien aber leicht zugänglich und auch für diejenigen nutzbar, die keine Experten auf dem Gebiet sind. Diese Angebote stellen also eine gute Basis dar. Aber: Für High-Level-Projekte sind sie nicht geeignet. Dafür fehlt es noch an Performance und Optionen, auch lösen sie nicht die richtigen Probleme für jeden Zweck.

Wenn etwas dann aber mehr und mehr zur Commodity wird, also zum leicht verfügbaren und austauschbaren Produkt, folgt daraus auch eine Disruption – und die wiederum verändert die Märkte. Buteneers geht davon aus, dass das Maschinelle Lernen diesen Effekt haben wird. Für diejenigen, die hier einsteigen und mitwirken wollen, hat Buteneers einige Tipps: Zuerst muss man das Problem verstehen, dann über eine Lösung nachdenken. Anders herum funktioniert das nicht. Über eigene Ideen muss man sprechen, sonst weiß man nicht, ob man wirklich ein Problem löst. Und dann einfach anfangen. So kann man teilhaben an der Disruption, die AI zur Commodity macht.

Take-away 2: Der Weg zur echten künstlichen Intelligenz ist noch weit

Xander Steenbrugge (ML6) befasste sich in seiner Session nicht mit der Zukunft, sondern mit der Gegenwart der Technologie im ML-Bereich: Wie weit sind wir wirklich schon? Jeder kennt ja die Videos, die im Netz kursieren – Roboter, die über Hindernisse springen, einen Salto dabei machen und auch sonst so wirken, als hätten sie das alles richtig gut drauf. Tatsächlich seien aber eher die Videos der hinfallenden Roboter realistisch, die versuchen Fußball zu spielen und kaum vom Fleck kommen, erklärte der Speaker. Den Exemplaren, die tolle Kunststücke vollbringen, wurde nämlich genau dieses Kunststück beigebracht. Bereits kleine Abweichungen können zum Scheitern führen – die KI kann nicht generalisieren, was sie gelernt hat, nicht auf andere Anwendungsfälle übertragen, ist nicht kreativ. Ähnliches gelte sogar für Alpha Go, worüber bereits Oliver Zeigermann (embarc) am Vortag gesprochen hatte. Zwar könne Googles KI die besten Go-Spieler schlagen. Das Geheimnis dahinter laute aber, dass Go für beide Spieler jederzeit komplett durchsichtig und an sich vollständig deterministisch sei, so Steenbrugge. Sobald es in den kreativen Bereich geht, kommen die Systeme nicht mit. Roboter sind also noch gar nicht so klug, wie die Medien ständig behaupten.

Um das zu ändern, müsse man sich mit den Lernprozessen von Kindern befassen und herausfinden, wie diese es schaffen, sich Dinge einfach anzueignen. Auch sei es nötig, dass KIs den Unterschied zwischen Korrelation und Kausalität verstehen, und erkennen, wie man Aufgaben in kleinere Sub-Aufgaben unterteilen kann. Auch die Aufmerksamkeitssteuerung sie noch problematisch: Wie lernen Systeme, sich auf die relevanten Faktoren zu konzentrieren und alles andere zu ignorieren? Hier muss angesetzt werden, um KIs wirklich intelligent zu machen.

Speaker werden!

Übrigens: Der Call for Papers für die ML Conference 2019 läuft noch! Wer jetzt also Lust bekommen hat, selbst einmal eine Session auf der Konferenz zu halten, kann noch bis zum 13. Dezember einen Sessionvorschlag einreichen: Mehr Informationen zum Call for Papers gibt es auf der Konferenzwebsite, Session-Vorschläge können hier direkt eingereicht werden.

ML Conference 2018

Making Enterprises Intelligent with Machine Learning

with Dr. Sebastian Wieczorek (SAP)

Machine Learning 101++ using Python

with Dr. Pieter Buteneers (Robovision)

Unsere Redaktion empfiehlt:

Relevante Beiträge

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu:
X
- Gib Deinen Standort ein -
- or -