Werbung
Künstliche Intelligenzen, die sich selbst trainieren, gibt es bereits. Genau genommen ist genau dies die Methodik hinter Deep-Learning-Netzwerken, die nach einer kurzen Anlernphase Fotos, Videos und andere Daten selbständig analysieren und auswerten.
Ein weiterer Schritt ist die Erstellung von Trainingsalgorithmen durch künstliche Intelligenzen selbst. Google hat dazu im Mai 2017 das AutoML-Projekt gestartet, welches zum Ziel hat, künstliche Intelligenzen durch künstliche Intelligenzen zu entwickeln. Von dieser Entwicklung profitieren derzeit besonders die Entwicklung von autonomen Fahrzeugen und AI-Roboter der nächsten Generation.
Inzwischen ist diese Entwicklung so weit fortgeschritten, dass diese durch eine AI entwickelte künstliche Intelligenzen besser sind als die durch den Menschen entwickelte. AutoML dient als eine Art Moderator, der die Entwicklung der sogenannten Child-AI überwacht. Im Falle von NASNet, ein Netzwerk, welches Objekte in Bildern und Videos erkennt, überprüfte die übergreifende AI die Erkennungsrate von NASNet und korrigiert dessen Ergebnisse, so dass das Netzwerk zur Erkennung entsprechend verbessert wird. Das Training einer bestimmte Bibliothek wurde mehr als tausendmal wiederholt – eingeleitet durch die überwachende AutoML-AI.
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
Nach dieser Anlernphase erkannte NASNet Objekte mit einer Genauigkeit von 82,7 %, was um 1,2 % besser ist, als von Menschen trainierte Netzwerke. Diese 1,2 % klingen nun nach nicht viel, sind aber nur ein erster Schritt dieser autonomen künstlichen Intelligenzen. Werden die Datenmengen nun größer und die jeweiligen Anwendungen komplexer, vergrößert sich der Vorsprung weiter.
Solche durch eine AI erstellten Trainingsalgorithmen haben allerdings noch einen Nachteil: Sie benötigen mehr Daten als ein manuelles Training und je nach Anwendungen auch noch deutlich mehr Zeit. Da hier aber ein automatisierte Prozess angewendet werden kann, der zudem mit dem Angebot an Rechenleistung gut skaliert, ist dies kein direkter Nachteil.
Die jüngste Entwicklung ruft allerdings auch Bedenkenträger auf den Plan, die in dieser Entwicklung eine Gefahr sehen. Amazon, Facebook, Microsoft, Apple und viele andere Unternehmen haben sich selbst dazu aufgefordert entsprechende Vorkehrungen zu treffen. Die Electrical and Electronics Engineers (IEE) haben dazu ethnische Standards für künstliche Intelligenzen aufgestellt. Bei Google selbst soll ein Team des DeepMind-Projektes, welches auch hinter AutoML steht, entsprechende Richtlinien aufstellen. Auch Personen wie Elon Musk haben solche Entwicklungen bereits als gefährlich bezeichnet und wollen eine Regulierung.