Ist SkyNet fast hier? Erklärung von Googles neuronalen Netzwerk

Maschinen, die Dinge lernen, sind überhaupt nichts Neues. Geben Sie einige Anweisungen in eine Batch-Datei ein, und Sie können Ihren Computer anweisen, so gut wie alles mit den Programmen zu tun, die Sie ausführen. Holen Sie sich eine Webcam und eine Gesichtserkennungssoftware, und Sie können deutlich sehen, dass Ihr Computer in der Lage ist, Ihr Gesicht zu erkennen. Allerdings sind all die hier beschriebenen Dinge keine Ergebnisse der “Gedanken” des Computers. Im besten Fall kann der durchschnittliche Heimcomputer denken emulieren. Aber es gibt Menschen in Teams auf der ganzen Welt, die daran arbeiten, Wege zu entwickeln, um menschliches Denken in Maschinen zu reproduzieren, und sogar das Beste aus beiden Welten zu kombinieren, um eine neue Form des Lernens zu schaffen, die die intuitive Art und Weise nachahmt, wie wir die Welt um uns herum erfassen.

Obwohl viele von uns Angst vor den Implikationen der künstlichen Intelligenz haben, besteht kein Zweifel, dass jeder sie als den Höhepunkt der Evolution der Maschine verehrt. Wie weit sind wir in unserem Streben gekommen, Maschinen zu schaffen, die der menschlichen Intuition und dem abstrakten Denken nahe kommen können? Wir werden uns ansehen, was das Google Brain-Team tut und wie künstliche neuronale Netzwerke die Art und Weise beeinflussen könnten, wie Technologie in naher Zukunft täglich mit uns interagiert.

Was ist ein künstliches neuronales Netzwerk?

Ein künstliches neuronales Netzwerk ist einfach gesagt ein System, das einen Algorithmus verwendet, der von der Art und Weise inspiriert ist, wie Menschen Dinge lernen. Derzeit sind Personalcomputer Gewohnheitsmaschinen. Sie folgen rigoros einer einzigen Linie, bis sie das Ende erreichen, unabhängig davon, ob die Ergebnisse sinnvoll sind oder nicht. Zum Beispiel könnte ein Computersystem, das das Verbraucherverhalten auf einer Website analysiert, zeigen, dass eine große Anzahl von Besuchern auf einen Link in der oberen rechten Ecke jeder Seite klickt, aber es kann nicht erklären, warum das passiert. Es kann seine Methoden nicht anpassen, um tiefer zu graben und Bedeutung aus den Rohdaten zu extrapolieren, die es durchläuft.

Ein “perfektes” künstliches neuronales Netzwerk wird in der Lage sein, die Art und Weise, wie es Informationen verarbeitet, an die Daten anzupassen, mit denen es konfrontiert ist. Dies ist besonders nützlich bei der audiovisuellen Verarbeitung, wo regelbasierte Programmierung sehr ineffizient ist. Während ein Amerikaner wenig Schwierigkeiten hat, einen australischen Akzent in sehr kurzer Zeit zu verstehen, haben Computer möglicherweise viel mehr Schwierigkeiten, dieselbe Aufgabe zu erledigen. Künstliche neuronale Netzwerke sind so konzipiert, dass ein Computer in der Lage sein könnte, Unterschiede in der Art und Weise, wie Australier sprechen, auf die gleiche Weise zu interpretieren, wie wir es tun – indem er die Schwankungen in Ton und Aussprache aufnimmt, einen Kontext aufbaut und alle Lücken mit anderen Informationen füllt, die im Satz vermittelt werden. Dies mit einfacher Programmierung zu tun, ist viel schwieriger, als es scheint.

Was ist Google Brain?

Google Brain ist ein Projekt, das sich auf großangelegtes tiefes Lernen konzentriert. Das Projekt umfasst eine kolossale Menge an Maschinen, wobei 16.000 CPU-Kerne in ihren Rechenzentren alle im Einklang arbeiten, um eine Maschine zu schaffen, die effektiv “lernen” und “verstehen” kann. Das obige Bild ist tatsächlich eine “Zeichnung”, die das Netzwerk gemacht hat. Es hat das Design von nirgendwo “kopiert”; es hat es einfach abstrakt konstruiert, wie es jeder Maler tun würde.

Eine der bemerkenswertesten Errungenschaften in diesem Projekt ist die Fähigkeit des Netzwerks, Katzen zu erkennen. Moderne Computer können leicht ein Video mit einer Katze zu Ihrem Vergnügen anzeigen, aber sie können nicht verstehen, was sie Ihnen zeigen. Niemand erwartet, dass ihre Computer wissen, was eine Katze ist. Dennoch zeigen sie Videos dieser pelzigen kleinen Kreaturen Millionen von Malen pro Tag auf der ganzen Welt, völlig ahnungslos über ihre Existenz. Der Computer, von dem Sie dies lesen, ist wahrscheinlich nicht mehr als ein glorifiziertes interaktives Fernsehen. Google ist es gelungen, ein System zu schaffen, das die Katze in einem Standbild (ohne vorherige Anweisung, was eine Katze ist) erkennen kann. Dies ist eine beispiellose Errungenschaft, die uns alle einen Schritt weiter im Informationszeitalter bringen könnte.

Anwendungen für neuronale Netzwerke

Stellen Sie sich vor, Sie hätten einen Roboter bei sich, der Sie nicht nur zur Arbeit fahren kann, sondern auch als Sanitäter dient, wenn Sie verletzt sind. Nur die einfache Tatsache, dass ein Computer unterscheiden kann, was eine Katze ist, wenn sie von anderen Objekten umgeben ist, hat große Implikationen. Sie müssen vielleicht eine Weile warten (16.000 CPU-Kerne sind im Moment sehr schwierig in einen kleinen Raum zu quetschen), aber das Unterscheiden einer Wunde von der umgebenden Haut (und das Identifizieren der Art der Wunde) bedeutet, dass ein “medizinisches Modul” auf einem Roboter ihm helfen könnte, Nähte an Ihrem Körper zu machen. Wenn Sie sich ein wenig Zeit nehmen, um darüber nachzudenken, könnten künstliche neuronale Netzwerke zu technologischen Leistungen führen, die wir nicht für möglich gehalten hätten, dass wir sie in unserem Leben sehen würden. Vielleicht werden wir eines Tages, nicht allzu weit entfernt, Roboter als Fahrradfreunde mitnehmen und Fußball mit ihnen spielen, alles dank der Art und Weise, wie sie sich anpassen und lernen können, genau wie wir.

Was denken Sie? Ist es zu optimistisch zu glauben, dass wir irgendwann in unserem Leben von “Katzendetektor” zu “Roboterarzt” übergehen können? Lassen Sie es uns unten in einem Kommentar wissen!