Deep Learning: Maschinen, die wie Menschen lernen

Cortana, Siri, Skype: Fast jeder nutzt heute Software, die auf Deep Learning basiert. Die Break-through Technology für maschinelles Lernen hat kommerzielle Anwendungen erreicht. Selbstfahrende Autos sollen mit ihr arbeiten, in Bildverarbeitung und Bildanalyse erzielt sie bessere Ergebnisse als herkömmliche Verfahren. Microsoft, Google und Apple setzen sie bei der Spracherkennung ein, Skype für die Textanalyse und automatische Übersetzung.

Die Firmen versprechen sich von der Deep-Learning-Technik des Maschinenlernens, die sich an der Funktionsweise des menschlichen Gehirns orientiert, deutlich höhere Qualität als von sogenannten flachen Lernern. Was macht die Technik so besonders? Wie funktioniert sie? Und warum ist sie gerade in letzter Zeit so beliebt geworden?

Dinge und Zusammenhänge repräsentieren

Die letzte Frage ist am leichtesten zu beantworten: Deep Learning erfordert viel Rechenkapazität, da eine große Menge von Daten verarbeitet wird. In der Vergangenheit fehlten sowohl die nötigen Datenmengen als auch die Rechenleistung. Heute wird Deep Learning oft auf Graphic Processing Units (GPU) umgesetzt und dadurch sogar günstiger als andere Verfahren des Maschinenlernens, denn GPUs werden schon lange zur Beschleunigung von Computerspielen eingesetzt.

Das Unternehmen Nvidia etwa unterstützt industrielle Anwendungen auf Basis von Convolutional Neural Networks auf Tausenden von GPU-Kernen. Teilweise sind die Marktkosten pro GPU-Kern um bis zu zwei Größenordnungen geringer als für einen Rechenkern einer herkömmlichen CPU. Das tiefe Lernen ist aber nicht nur preiswert, es ist auch besser als das flache Lernen.

Eines der wichtigsten Einsatzgebiete für Deep Learning ist das Erkennen von Dingen auf Bildern, englisch Visual Object Recognition. Denn gerade Bilder und Texte können durch aktuelle Methoden der Massendatenverarbeitung preiswert gesammelt und aufbereitet werden, wie etwa bei Imageidentify.com von Wolfram Alpha. Diese Bilder können auch im Fahrzeug ausgewertet werden und helfen beispielsweise, Fußgänger zu erkennen und somit einen Unfall zu vermeiden. Das maschinelle Lernen basiert dabei auf der Funktionsweise des Gehirns.

Während der Mensch liest, leistet sein Gehirn eine erstaunliche Abstraktions- und Generalisierungsarbeit: Zunächst erkennt es die Buchstaben als Repräsentation von Informationen und setzt sie zu höherwertigen Repräsentationen, z. B. Wörtern oder Sätzen, zusammen. In den Sätzen erkennt das Gehirn Repräsentationen von Dingen und verborgene Zusammenhänge zwischen diesen. Aus dieser bereits stark generalisierten Repräsentation leitet es weitere sogenannte latente (verborgene) Merkmale ab, etwa: "Interessant, wie geht es jetzt weiter?"