Werbung
Das Deep Learning das Leitmotiv der diesjährigen GPU Technology Conference ist, wurde bei der Keynote von Jen-Hsung Huang und auch der von Google deutlich. Als einer der weltweit größten Web-Service-Anbieter hat man aber auch bei Baidu das Potential der Technologie erkannt und präsentiert seine Ansätze. Nicht vergessen lassen will man dabei aber, dass Deep Learning auf der einen Seite von intelligenten Algorithmen abhängig ist, auf der anderen Seite aber auch von der zur Verfügung stehenden Hardware. Das Antrainieren von Deep-Learning-Netzwerken ist eine extrem rechenintensive Herausforderung und dass dabei GPUs aus dem Hause NVIDIA eine wichtige Rolle spielen, ist natürlich alles andere als verwunderlich.
Als 2007 die ersten Netzwerke entwickelt wurden, konnten CPUs diese bis zu einer Komplexität von einer Million Verbindungen verarbeitet werden. Ein Jahr später und mit dem Aufkommen von GPU-Computing waren bereits Netzwerke mit zehn Million Verbindungen möglich. 2012 gilt als Big Bang von Deep Learning, doch bereits ein Jahr zuvor machte Baidu erste ernstzunehmende Versuche in diesem Bereich, die nicht mehr zwingend durch die Hardware limitiert wurden. Viele CPUs ermöglichten damals den Aufbau eines Netzwerkes mit einer Milliarde Verbindungen. Doch natürlich konnte auch das die Bedürfnisse noch lange nicht decken und sprechen wir inzwischen im Jahre 2015 von vernetzten GPUs die Deep-Learning-Netzwerke mit 100 Milliarden Verbindungen und mehreren dutzend Layern.
Baidu betreibt unter anderem eine Suchmaschine und anhand dessen lassen sich auch zahlreiche Anwendungsbeispiele aufzeigen. Bei einer Bildersuche werden üblicherweise nicht die Bilder als solches, sondern die dazugehörige Beschriftung oder der Dateiname gefunden. Deep Learning aber ermöglicht es den Inhalt der Bilder zu analysieren. Außerdem möglich wird ein Bildvergleich. Ähnliche Motive lassen sich so direkt und schnell finden. Verknüpft werden kann dies mit einer dazugehörigen Text- oder Videosuche. Die aufgezeigten Möglichkeiten sprengen jeden Vorstellungsrahmen, sind aber noch lange nicht soweit allumfänglich angewendet zu werden.
Ein weiteres Anwendungsbeispiel ist die Spracherkennung, deren Erkennungsrate durch Deep Learning in den vergangenen Jahren große Sprünge gemacht hat. Jeder, der die Sprachsuche auf seinem Android-Smartphone oder Tablet verwendet, greift dabei auf Datenbanken zurück, die per Deep Learning verbessert wurden. Auch wenn die Fortschritte in den vergangenen Jahren erheblich sind, kann gerade dieses Themenfeld noch weiter profitieren, wie in einer Demo aufgezeigt wurde:
Datenschutzhinweis für Youtube
An dieser Stelle möchten wir Ihnen ein Youtube-Video zeigen. Ihre Daten zu schützen, liegt uns aber am Herzen: Youtube setzt durch das Einbinden und Abspielen Cookies auf ihrem Rechner, mit welchen Sie eventuell getracked werden können. Wenn Sie dies zulassen möchten, klicken Sie einfach auf den Play-Button. Das Video wird anschließend geladen und danach abgespielt.
Ihr Hardwareluxx-Team
Youtube Videos ab jetzt direkt anzeigen
Die Text-, Sprach- und Foto-Analyse ist derzeit das aktivste Feld für Deep Learning. Es lässt sich auch am einfachsten Veranschaulichen. In allen Bereichen des Deep Learning gilt inzwischen, dass diese Systeme besser arbeiten als jedes menschliche Gehirn. Die Fehlerquoten sind die geringer und die Geschwindigkeit mit der eine Auswertung ausgeführt wird, kann inzwischen als Echtzeit bezeichnet werden. Andrew Ng, der Leiter des Deep Learning Projektes bei Baidu, sieht dabei aber aktuell noch keine Gefahr, dass dies aus dem Ruder laufen könnte. Angst vor einer übermäßigen Intelligenz der Systeme müssen man noch nicht haben. Allerdings sind die Werkzeuge inzwischen so mächtig, dass die Gefahr nicht direkt von den Systemen selbst ausgeht, sondern vielmehr von denen, die sie Anwendungen - und zwar auf die Daten aller Nutzer.