Deep Learning ist eine Technologie im Rahmen der künstlichen Intelligenz-Forschung, die versucht, große Mengen an Textdaten durch Algorithmen zu verarbeiten, um eine automatische Repräsentationen von ähnlichen Wörtern abzuleiten. Bekanntlich kommen einem Text ähnliche Wörter auch in ähnlichen Zusammenhängen vor, was Deep Learning benutzt, um die Bedeutung eines Wortes abzuleiten. Deep Learning sichtet eine hohe Menge an Daten und produziert Repräsentationen, die ähnliche Wörter gruppieren, sodass mit der Zeit neue Erkenntnisse aus rohen Datensätzen abgeleitet werden können.
Auch bei der Entwicklung von lernenden Robotern wird diese Methode des Deep Learning eingesetzt, damit diese gewissermaßen durch Versuch und Irrtum sich weiterentwickeln. Dabei werden Daten in grob simulierten Neuronen verarbeitet, wobei auch Verstärkungslernen eingesetzt wird, sodass eine lernende Software dadurch entsteht, indem sie Entscheidungen trifft und dann Rückmeldungen über deren Folgen erhält, so wie es auch bei Menschen und Tieren der Fall ist. Deep Learning ist daher auch für die Robotik nützlich, denn einer der Gründe dafür, dass es noch nicht mehr Roboter im Alltag gibt, die nützliche Dinge erledigen, liegt darin, dass sie vorab programmiert werden und sie daher schlecht darin sind, mit unerwarteten Ereignissen zurechtzukommen oder Neues zu lernen.
Deep Learning als Software für maschinelles Lernen steckt etwa hinter Cortana, Siri oder auch Google, denn diese Algorithmen werden unter anderem für die Spracherkennung und Textanalyse eingesetzt, wobei sie im Falle der Sprachassistenten die NutzerInnen kennenlernen, basierend auf deren Suchen, deren Texte und auf deren Anliegen und Fragen.
Amazon nutzt übrigens eine maschinelle Lerntechnik, die auf künstlichen neuronalen Netzwerken basiert, die vom menschlichen Gehirn inspiriert sind, um Bilder von modischen Outfits zu erkennen, indem sie eine Reihe von Bildern analysieren. Wenn dieses Netzwerk mit Tausenden von Bildern von Maxi- und Faltenröcken gefüttert wird, soll es in der Lage sein, den Unterschied zwischen den beiden Stilen zu erkennen. Dafür müssen nur genügend Beispiele vorhanden sein, um ein solches Netzwerk zu trainieren, jedes Kleidungsstück zuzuordnen. StyleSnap, so heißt dieses Programm, ermöglicht es Usern, auf der App ein Bild von einem gewünschten Look hochzuladen, worauf Amazon dann Empfehlungen für ähnliche Artikel auf der Plattform sendet, wobei StyleSnap Marke, Preisspanne und Kundenbewertungen berücksichtigt. Die Anwendung muss dabei die unterschiedlichsten Posen und Locations erfassen, wobei StyleSnap Deep Learning nutzt, um Kleidungsstücke auf einem Foto zu identifizieren und etwa in Kategorien wie „Fit-and-Flair-Kleider“ oder „Flanell-Shirts“ einzuteilen.
![BY Bentley, Peter J ( Author ) [ DIGITIZED: THE SCIENCE OF COMPUTERS AND HOW IT SHAPES OUR WORLD ] Nov-2013 [ Paperback ]](https://m.media-amazon.com/images/I/41jk3sevDeL._SL160_.jpg)
Der AI-Forscher und Buchautor Peter J. Bentley warnt in einem Interview vor überzogenen Erwartungen im Hinblick auf künstliche Intelligenz, denn obwohl immer so interessante Techniken wie Deep Learning entwickelt werden und riesige Datenmengen sowie Rechenleistung in der Cloud genutzt werden können, gibt es in der AI-Forschung seit Jahrzehnten immer Zyklen von Boom und Enttäuschung. Zwar wird seiner Meinung nach das Maschinenlernen eine zunehmend wichtigere Rolle bei Dienstleistungen spielen, d. h., Systeme werden die Menschen besser verstehen und sogar in der Lage sein, deren nächsten Wünsche vorwegzunehmen. Doch um das menschliche Gehirn besser nachbauen zu können, müsste man erst einmal weitaus mehr darüber wissen, wie es funktioniert, denn wenn man heute etwa von künstlichen „neuronalen Netzen“ spricht, erweckt das den Eindruck, dass sie auf einem grundlegenden Verständnis des menschlichen Gehirns beruhen, aber das ist einfach nicht richtig. So ist Deep Learning wie eine Black Box, aber weil all seine Ergebnisse auf Zahlen basieren, sind sie für Menschen nicht nachvollziehbar, denn manche Probleme möchte man nicht nur irgendwie gelöst haben, sondern auch auf eine nachvollziehbare Weise.
Weitere Informationen zum Thema finden sich auch in den Texten zur sozialen Robotik.
Literatur