Digitalisierung des Privatlebens
Wie Deep Learning Smartphone und Smart Home wirklich smart macht
Prof. Dr. René Peinl Hof...
2
Digitalisierung im Privatleben in Beispielen
Wann ist digital auch smart?
Künstliche Intelligenz 4.0 – Deep Learning
Hau...
Digitalisierung – eine spröde Definition
Der Begriff der Digitalisierung hat mehrere Bedeutungen:
1. die digitale Umwandlu...
Beispiel 1: Einkaufen
4
Digital Shopping #1 – Mr Spex
5
Bildquelle: areyouglobal.files.wordpress.com
Digital Shopping #2 - McDonalds
6
Bildquelle: Huffington Post, huffpost.com
Digital Shopping #3 – Ikea
7
Bildquelle: digitalbodies.netBildquelle: virtualrealityheadsetglasses.com
Beispiel 2: Waren liefern
8
Digitale Paketzustellung – private Packstationen
9
http://bilder.pcwelt.de/3623734_original.jpg
http://www.giga.de/wp-cont...
Digitale Paketzustellung #2 - Drohnen
10
http://media-cdn.sueddeutsche.de/image/sz.1.3096377
Digitale Paketzustellung #3 - Lieferroboter
11
http://www.manager-magazin.de/images/
image-960334-mmo_panoV9-qmhd-960334.j...
Beispiel 3: Autofahren
12
Digitales Autofahren #1 - Nutonomy
13
http://www.faz.net/aktuell/wirtschaft/neue-mobilitaet/selbstfahrende-taxis-in-singap...
Digitales Autofahren #2 – Audi und die Ampeln
• Car to X Kommunikation
• Ampeln informieren das Auto über die aktuellen Sc...
Digitales Autofahren #3 - Mercedes
15
roadstars.mercedes-benz.com www.mercedes-benz.com
Beispiel 4: Digitales sehen
16
Audi schult Verkäufer im echten Auto aber VR-Gefahr
17
http://mancve.com/2016/07/audi-vitrac-experience-vr-brille/
Digitales sehen #2 – Augmented Reality (z.B. Moverio)
18
http://www.digitalavmagazine.com/wp-content/uploads/2015/06/Epson...
Digitales sehen #3 – Mixed Reality (z.B. MS Hololens)
19
https://compass-ssl.surface.com/assets/4f/10/4f10562a-d446-40c7-a...
Wann ist ein Ding smart?
20
Sind Haushalts- und Gartenhelfer smart?
• Ist der Rasensprenger smart, weil man
ein Wochenprogramm mit individueller
Dauer...
Aspekt #1: smart ist, wenn Geräte zusammenspielen
• Der Rasensprenger wässert nur dann und
dort, wo der Feuchtesensor Troc...
Ist ein Smart TV wirklich smart?
Wer hat schon einmal versucht eine Internetadresse mit der TV-Fernbedienung
einzugeben?
2...
Aspekt #2: smart ist, was auf Kommando hört
24
Bildquelle: www.androidcentral.com
Musio Home Companion
Bildquelle: www.kno...
Aber: manchmal ist Reden Silber und Schweigen Gold
25Bildquelle: http://stadt-bremerhaven.de/amazon-dash-button-ab-sofort-...
Sind Smartphones wirklich smart?
• Ist Google Now smart, weil es weiß, dass Tom Cruise ein
Schauspieler ist und in welchen...
Aspekt #3: offenes und vernetztes mentales Modell
27
Bildquelle: futurezone.at
Dag Kittlaus
Juni 2016:
Apple öffnet
Siri f...
Linked Open Data
28
2008
2010
20112014
Sind Empfehlungssysteme wirklich smart?
• Ist es smart Bücher zu empfehlen, die andere
gekauft haben, die dasselbe Buch ge...
Was unterscheidet das beste Schach- und Go-Programm?
30
Bildquelle: www.newyorker.com
Bildquelle: nbcnews.com
• Vorgegeben...
Aspekt #4: Lernen und Kontexterkennung
31
http://heise.de/-3319416
https://awardwallet.com/blog/invasion-of-the-messenger-...
Alles zusammen = wirklich smart, z.B. smarte Küche
• Basistechnologien: digitale Kamera, Bilderkennung, Spracherkennung
• ...
Und wie funktioniert das jetzt?
33
Schritt 1: Semantisches Datenmodell erstellen
Woher wissen wir, ob ein Tier, dass wir sehen ein Vogel ist?
Bildquelle: Wik...
Semantische Klassen festlegen und Attribute zuordnen
Farbe, Länge und Form des Schnabels, Länge der Beine, des Halses, …
B...
Schritt 2: Features aus Bild extrahieren
36
Schritt 3: kleine Features zu umfassenderen kombinieren
37
https://www.datarobot.com/blog/a-primer-on-deep-learning/
Deep neural network
38
http://www.kdnuggets.com/2015/10/top-arxiv-deep-learning-papers-explained.html
Gesichts-
Knoten
Kat...
Schritt 4: Aus Fehlern lernen: Backpropagation
39
http://galaxy.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html
Minimiere den Fehler durch Differenzieren der Funktion
40
http://www.slideshare.net/keepurcalm/backpropagation-in-neural-n...
Schritt 5: Zuordnung von Bildern zu semantischen Klassen
41
Bildquellen:
http://www.tierchenwelt.de/images/stories/haustie...
Smart Robots –
die Krone der technischen Evolution?
42
Gartner Hype Cycle Emerging Technologies
2015
Smart Advisors
Smart Robots
Maschinelles Lernen
Virtual Reality
Connected Ho...
Gartner Hype Cycle Emerging Technologies
2016
Smart Advisors
Smart Robots
Natürlichsprachige Fragenbeantwortung
Maschinell...
Robust und hilfreich
• Boston Dynamics Atlas und SpotMini
http://heise.de/-3116207
http://heise.de/-3248140
• Honda Asimo
...
Knuddelig und liebenswert
• Aldebaran Nao und Pepper
http://www.faz.net/aktuell/wirtschaft/cebit/der-tanzende-roboter-pepp...
Auf dem Weg durch das Uncanny Valley
47
Modifiziert nach: http://www.wired.com/
Vertrautheit/Akzeptanz
Menschenähnlichkeit...
Mehr oder weniger „lebensecht“
48
Bildquelle: www.telegraph.co.uk (AFP/Getty Images)
https://www.youtube.com/watch?v=9q4qw...
Fazit und Ausblick
49
Automata
50
Bildquelle: io9.gizmodo.com
2. Protokoll: Es ist Robotern verboten, sich selbst oder gegenseitig zu verändern....
Chappie
https://www.youtube.com/watch?v=wt068dgiBmc
51
Bildquelle: www.wired.com (Columbia Pictures)
Selbstlernende Maschi...
Ex Machina
52
Bildquelle: www.neondystopia.com
https://www.youtube.com/watch?v=ur3U3lC2FnY
Wenn Maschinen anfangen einen
Ü...
Warum entwickelt sich jetzt alles schneller weiter?
• Von den Anfängen des Maschinen-Lernens bis heute hat es 60 Jahre ged...
Ausgewählte Meilensteine aus der Vergangenheit
54
 1986: Bemühungen um künstliche Intelligenz gelten als gescheitert
 19...
Menschen verstehen exponentielle Entwicklungen nicht
55
Entwicklung der weltweiten Bevölkerung
Bildquelle: Moore’s Law Inf...
Maschinen lernen schnell
• Ein (intelligenter) Mensch braucht ca. 5 Jahre intensive Beschäftigung
(6 Stunden pro Tag, 5 Ta...
Die großen Konzerne investieren in KI und ML
57
https://www.crisp-research.com/die-machine-learning-akquisitionen-der-big-...
Ziel ist es, eine umfassende Plattform zu haben
1. Einen “Conversation Canvas” – ein Platz wo Leute viel kommunizieren und...
… und dabei sind einige schon recht weit gekommen
59
Amazon Apple Facebook Google/Alphabet Microsoft
Smart Home Echo + Das...
Spezielle und generelle künstliche Intelligenz
• Bisher werden überwiegend Speziallösungen für bestimmte Problemstellungen...
Ausblick mit Sorge
 Bei allem Enthusiasmus für digitale Lösungen darf der
gesunde Menschenverstand nicht außer Acht bleib...
Hof University
Alfons-Goppel-Platz 1
95028 Hof, Germany
rene.peinl@hof-university.de
www.hof-university.de
Phone +49 9281 ...
Nächste SlideShare
Wird geladen in …5
×

Digitalisierung des Privatlebens - wie Deep Learning Smartphone und Smart Home wirklich smart macht

271 Aufrufe

Veröffentlicht am

Was ist Digitalisierung und wie verändert sich dadurch unser Privatleben. Dieser Frage geht der Vortrag nach und startet mit Beispielen zur Digitalisierung, hinterfragt welche Eigenschaften von Produkten das Attribut smart rechtfertigen und zeigt auf, wie Deep Learning und künstliche Neuronale Netze die Technik revolutionieren und das Versprechen "smart" endlich einlösen.

Veröffentlicht in: Technologie
0 Kommentare
3 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
271
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
0
Aktionen
Geteilt
0
Downloads
28
Kommentare
0
Gefällt mir
3
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Digitalisierung des Privatlebens - wie Deep Learning Smartphone und Smart Home wirklich smart macht

  1. 1. Digitalisierung des Privatlebens Wie Deep Learning Smartphone und Smart Home wirklich smart macht Prof. Dr. René Peinl Hof, 02.11.2016
  2. 2. 2 Digitalisierung im Privatleben in Beispielen Wann ist digital auch smart? Künstliche Intelligenz 4.0 – Deep Learning Haushaltsroboter heute und morgen Fazit und Ausblick 1 2 3 4 5 Agenda
  3. 3. Digitalisierung – eine spröde Definition Der Begriff der Digitalisierung hat mehrere Bedeutungen: 1. die digitale Umwandlung und Darstellung bzw. Durchführung von Information und Kommunikation oder 2. die digitale Modifikation von Instrumenten, Geräten und Fahrzeugen 3. die digitale Revolution, die auch als dritte Revolution bekannt ist, bzw. die digitale Wende. Im letzteren Kontext werden nicht zuletzt "Informationszeitalter" und "Computerisierung" genannt. 3 Gabler Wirtschaftslexikon, http://wirtschaftslexikon.gabler.de/Definition/digitalisierung.html Digitalisierung ist die konsequente und umfassende Nutzung digitaler Technologien zur Automatisierung, Arbeitserleichterung und Schaffung neuer Produkte und Geschäftsmodelle. René Peinl (2016)
  4. 4. Beispiel 1: Einkaufen 4
  5. 5. Digital Shopping #1 – Mr Spex 5 Bildquelle: areyouglobal.files.wordpress.com
  6. 6. Digital Shopping #2 - McDonalds 6 Bildquelle: Huffington Post, huffpost.com
  7. 7. Digital Shopping #3 – Ikea 7 Bildquelle: digitalbodies.netBildquelle: virtualrealityheadsetglasses.com
  8. 8. Beispiel 2: Waren liefern 8
  9. 9. Digitale Paketzustellung – private Packstationen 9 http://bilder.pcwelt.de/3623734_original.jpg http://www.giga.de/wp-content/uploads/2015/03/dhl-paketkasten-allyouneed-rcm992x0.jpg
  10. 10. Digitale Paketzustellung #2 - Drohnen 10 http://media-cdn.sueddeutsche.de/image/sz.1.3096377
  11. 11. Digitale Paketzustellung #3 - Lieferroboter 11 http://www.manager-magazin.de/images/ image-960334-mmo_panoV9-qmhd-960334.jpg http://www.pipeline.de/pipeline/showpics.php?id=11880277_l&rid=1
  12. 12. Beispiel 3: Autofahren 12
  13. 13. Digitales Autofahren #1 - Nutonomy 13 http://www.faz.net/aktuell/wirtschaft/neue-mobilitaet/selbstfahrende-taxis-in-singapur-14405490.html
  14. 14. Digitales Autofahren #2 – Audi und die Ampeln • Car to X Kommunikation • Ampeln informieren das Auto über die aktuellen Schaltzyklen • Das Auto informiert den Fahrer über das Tempo für grüne Welle bzw. die Wartezeit bis grün 14 Bildquelle: Audi
  15. 15. Digitales Autofahren #3 - Mercedes 15 roadstars.mercedes-benz.com www.mercedes-benz.com
  16. 16. Beispiel 4: Digitales sehen 16
  17. 17. Audi schult Verkäufer im echten Auto aber VR-Gefahr 17 http://mancve.com/2016/07/audi-vitrac-experience-vr-brille/
  18. 18. Digitales sehen #2 – Augmented Reality (z.B. Moverio) 18 http://www.digitalavmagazine.com/wp-content/uploads/2015/06/Epson-Moverio-Pro-BT-2000.jpg
  19. 19. Digitales sehen #3 – Mixed Reality (z.B. MS Hololens) 19 https://compass-ssl.surface.com/assets/4f/10/4f10562a-d446-40c7-a0d0-3ea5f5cda537.jpg
  20. 20. Wann ist ein Ding smart? 20
  21. 21. Sind Haushalts- und Gartenhelfer smart? • Ist der Rasensprenger smart, weil man ein Wochenprogramm mit individueller Dauer und Zonen einstellen kann? • Ist die Waschmaschine smart, weil man sie vom Tablet aus starten kann und sie drahtlos sagt, wann sie fertig ist? • Ist der Staubsaugerroboter smart, wenn er chaotisch im Raum rumfährt? 21 Miele@home Waschmaschine mit SmartStart Gardena Rasensprenger mit Steuerung robosauger.com/roomba
  22. 22. Aspekt #1: smart ist, wenn Geräte zusammenspielen • Der Rasensprenger wässert nur dann und dort, wo der Feuchtesensor Trocken- heit meldet und auch nicht, wenn der Wetterbericht Regen angesagt hat. • Die Waschmaschine startet genau dann, wenn die PV-Anlage Strom generiert und es laut Wetterbericht mit hoher Wahrscheinlichkeit für die nächste Stunde weiter tut. Sie startet aber recht- zeitig, so dass die Wäsche fertig ist, bevor der Bewohner abends heimkommt. • Der Staubsaugerroboter bekommt von der Smart Home Zentrale gemeldet, wenn kein Bewohner mehr im Haus ist und startet erst dann. 22 Bildquelle:www.miele.de
  23. 23. Ist ein Smart TV wirklich smart? Wer hat schon einmal versucht eine Internetadresse mit der TV-Fernbedienung einzugeben? 23 Bildquelle: https://www.youtube.com/watch?v=sFlWDL9YQgA
  24. 24. Aspekt #2: smart ist, was auf Kommando hört 24 Bildquelle: www.androidcentral.com Musio Home Companion Bildquelle: www.knowyourmobile.com Amazon Echo / Alexa Google Home Bildquelle: blog.avira.com Conversational User Interfaces
  25. 25. Aber: manchmal ist Reden Silber und Schweigen Gold 25Bildquelle: http://stadt-bremerhaven.de/amazon-dash-button-ab-sofort-in-deutschland-erhaeltlich/ sowie Amazon.com Steve Krug: „Don‘t make me think“
  26. 26. Sind Smartphones wirklich smart? • Ist Google Now smart, weil es weiß, dass Tom Cruise ein Schauspieler ist und in welchen Filmen er gespielt hat? • Ist Siri smart, weil sie das Wetter am aktuellen Ort vorhersagen kann? • Ist Cortana smart, weil sie auf Kommando Erinnerungen erstellt oder einen Kontakt anruft? 26 Bildquelle: engadget.com Cortana, erinnere mich daran heute Abend Susi anzurufen! Erinnerung erstellt. 20.10.2016 19:00 Uhr Susi anrufen
  27. 27. Aspekt #3: offenes und vernetztes mentales Modell 27 Bildquelle: futurezone.at Dag Kittlaus Juni 2016: Apple öffnet Siri für Drittanbieter Oktober 2016: Samsung kauft Viv September 2016: Amazon meldet 3000 Skills für Echo / Alexa https://www.youtube.com/watch?v=Rblb3sptgpQ Mai 2016: Vorstellung von Viv, dem in-offiziellen Nachfolger von Siri
  28. 28. Linked Open Data 28 2008 2010 20112014
  29. 29. Sind Empfehlungssysteme wirklich smart? • Ist es smart Bücher zu empfehlen, die andere gekauft haben, die dasselbe Buch gekauft haben wie ich? • Ist es smart Produkte zu empfehlen, die sehr ähnlich oder identisch sind zu dem, das ich gerade gekauft habe? • Ist es smart Musik zu empfehlen, die andere gerade hören? 29 Bildquelle: eigene Screenshots
  30. 30. Was unterscheidet das beste Schach- und Go-Programm? 30 Bildquelle: www.newyorker.com Bildquelle: nbcnews.com • Vorgegebene Algorithmen • Vorberechnung möglichst vieler Stellungen • Statistische Auswertungen • „Brute Force“ Rechenleistung • 2 x 1043 Stellungen • Lernendes System • Vorgeben von Zielen • Langes Training mit 30 Mio Zügen • Anschließend 100.000e Partien gegen sich selbst • „Intuition und Kreativität“ • 2,08 × 10170 Stellungen
  31. 31. Aspekt #4: Lernen und Kontexterkennung 31 http://heise.de/-3319416 https://awardwallet.com/blog/invasion-of-the-messenger-bots-as-otas-flock-to-facebooks-new-platform/ Aufgabenspezifische Chatbots sind die neuen Apps
  32. 32. Alles zusammen = wirklich smart, z.B. smarte Küche • Basistechnologien: digitale Kamera, Bilderkennung, Spracherkennung • Open Data: semantische Datenbank über Nahrungsmittel, Produkte und Rezepte • Deep Learning: verbessert Bilderkennungsrate und erkennt Nutzergewohnheiten (wann isst jemand was) • Direkte Eingabe: per Sprache wird ein Rezept abgerufen oder der Zustand des Kühlschranks kontrolliert 32 • Empfehlungen: basierend auf Lebensmitteln im Kühlschrank und erlernten Essgewohnheiten wird ein Rezept vorgeschlagen • Vernetzung: der Ofen bekommt direkt über das Rezept die richtigen Einstellungen übermittelt. Der Benutzer muss nichts manuell einstellen • Über Bratenthermometer, Hygrometer und andere Sensoren erkennt der Ofen wann ein Lebensmittel fertig ist Bildquelle: http://www.golem.de/news/liebherr-wenn-der-kuehlschrank-mitdenkt-1609-123066.html
  33. 33. Und wie funktioniert das jetzt? 33
  34. 34. Schritt 1: Semantisches Datenmodell erstellen Woher wissen wir, ob ein Tier, dass wir sehen ein Vogel ist? Bildquelle: Wikipedia Vogel hat: 2 Beine, 2 Flügel, 1 Schnabel, 2 Augen, Federn, keine sichtbaren Ohren
  35. 35. Semantische Klassen festlegen und Attribute zuordnen Farbe, Länge und Form des Schnabels, Länge der Beine, des Halses, … Bildquelle: Wikipedia Wie unterscheiden sich Vögel voneinander?
  36. 36. Schritt 2: Features aus Bild extrahieren 36
  37. 37. Schritt 3: kleine Features zu umfassenderen kombinieren 37 https://www.datarobot.com/blog/a-primer-on-deep-learning/
  38. 38. Deep neural network 38 http://www.kdnuggets.com/2015/10/top-arxiv-deep-learning-papers-explained.html Gesichts- Knoten Katzen- Knoten diagonale Linie Knoten Bild- Features
  39. 39. Schritt 4: Aus Fehlern lernen: Backpropagation 39 http://galaxy.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html
  40. 40. Minimiere den Fehler durch Differenzieren der Funktion 40 http://www.slideshare.net/keepurcalm/backpropagation-in-neural-networks
  41. 41. Schritt 5: Zuordnung von Bildern zu semantischen Klassen 41 Bildquellen: http://www.tierchenwelt.de/images/stories/haustiere/katzen/katze_spielen_klein.jpg https://tattoovorlagen24.files.wordpress.com/2012/03/schmetterling-tattoos.jpg http://www.tierbildergalerie.com/data/media/94/ara_papagei.jpg Katze Haustier Schmetterling Papagei Vogel Natur p=1,000 p=0,989 p=0,979 p=0,997 p=0,993 p=0,988 w=0,365 w=0,781 w=0,927 w=0,174 w=0,823 w=0,659 https://www.clarifai.com/demo
  42. 42. Smart Robots – die Krone der technischen Evolution? 42
  43. 43. Gartner Hype Cycle Emerging Technologies 2015 Smart Advisors Smart Robots Maschinelles Lernen Virtual Reality Connected Home Autonomes Fahren
  44. 44. Gartner Hype Cycle Emerging Technologies 2016 Smart Advisors Smart Robots Natürlichsprachige Fragenbeantwortung Maschinelles Lernen Virtual Reality Conversational User Interface Connected Home Autonomes Fahren
  45. 45. Robust und hilfreich • Boston Dynamics Atlas und SpotMini http://heise.de/-3116207 http://heise.de/-3248140 • Honda Asimo https://www.youtube.com/watch?v=6mVy3ZahcC4 45 Bildquelle: www.foxnews.com Bildquelle: arstechnica.com Bildquelle: www.gizmag.com Atlas Asimo SpotMini
  46. 46. Knuddelig und liebenswert • Aldebaran Nao und Pepper http://www.faz.net/aktuell/wirtschaft/cebit/der-tanzende-roboter-pepper- entzueckt-die-cebit-besucher-14125881.html • Care-o-Bot des Fraunhofer IPA (ohne Bild) 46 Bildquelle: www.railwaygazette.com http://gigabotics.com/robotics/robots-in-hospital/
  47. 47. Auf dem Weg durch das Uncanny Valley 47 Modifiziert nach: http://www.wired.com/ Vertrautheit/Akzeptanz Menschenähnlichkeit Nao / Pepper
  48. 48. Mehr oder weniger „lebensecht“ 48 Bildquelle: www.telegraph.co.uk (AFP/Getty Images) https://www.youtube.com/watch?v=9q4qwLknKag Bildquelle: www.teleaire.com Bildquelle: www.digitaltrends.com http://yournewswire.com/new-self-learning-robot-says-i-will-destroy-humans/ http://www.moviefone.com/2011/03/08/most-realistic-looking-robot/
  49. 49. Fazit und Ausblick 49
  50. 50. Automata 50 Bildquelle: io9.gizmodo.com 2. Protokoll: Es ist Robotern verboten, sich selbst oder gegenseitig zu verändern. … sonst sind sie nicht mehr kontrollierbar
  51. 51. Chappie https://www.youtube.com/watch?v=wt068dgiBmc 51 Bildquelle: www.wired.com (Columbia Pictures) Selbstlernende Maschinen können zum Guten oder Bösen erzogen werden
  52. 52. Ex Machina 52 Bildquelle: www.neondystopia.com https://www.youtube.com/watch?v=ur3U3lC2FnY Wenn Maschinen anfangen einen Überlebenswillen zu entwickeln
  53. 53. Warum entwickelt sich jetzt alles schneller weiter? • Von den Anfängen des Maschinen-Lernens bis heute hat es 60 Jahre gedauert • Heute gibt es Open Source Bibliotheken, mit denen sich vieles leicht in eigene Programme einbauen lässt und kostenlose Tutorials im Internet • Beispiel 1: Spracherkennung in Android – Mit nicht einmal 20 Zeilen zusätzlichem Programmcode kann aus jedem Texteingabefeld eines mit Spracheingabe gemacht werden 53 • Beispiel 2: Maschinelles Lernen – Mit DeepLearning4j kann man mit 100 Zeilen Java Code sein eigenes Programm zur Handschrifterkennung schreiben – Man muss nicht im Detail verstehen, wie ein Lernalgorithmus funktioniert, man verwendet eine Bibliothek und füttert sie mit den relevanten Daten – Besseres Verständnis des Algorithmus führt trotzdem zu besseren Ergebnissen! Bildquelle: www.notieren.de
  54. 54. Ausgewählte Meilensteine aus der Vergangenheit 54  1986: Bemühungen um künstliche Intelligenz gelten als gescheitert  1996: IBMs Deep Blue (Großrechner) schlägt Schach-Weltmeister Kasparow  2001: Tim Berners Lee verkündet die Vision des Semantic Web  2006: Deep Fritz schlägt Schach-Weltmeister Kramnik auf einem High-End PC  2006: Ontoprise Ontobroker besteht den "Advanced Placement Test" in Chemie  2009: Wolfram Alpha beantwortet Fragen rund um Naturwissenschaften  2011: IBMs Watson schlägt die Jeopardy Champions Rutter und Jennings Apple stellt Siri vor, die natürlichsprachige Benutzerfragen beantwortet  2016: Google Alpha Go schlägt weltbesten Go-Spieler Lee Sedol 4:1 Microsoft zeigt Skype mit Online Übersetzung gesprochener Sprache 1990 1995 2000 2005 2010 2015 2020 2025
  55. 55. Menschen verstehen exponentielle Entwicklungen nicht 55 Entwicklung der weltweiten Bevölkerung Bildquelle: Moore’s Law Infographic by Time Magazine, humanswlord.wordpress.com
  56. 56. Maschinen lernen schnell • Ein (intelligenter) Mensch braucht ca. 5 Jahre intensive Beschäftigung (6 Stunden pro Tag, 5 Tage die Woche, 45 Wochen im Jahr) um Experte in einer Domäne zu werden (z.B. Schach spielen, Programmieren, Radiologie, …), also insgesamt 6.750 Stunden. • Mal angenommen ein Computer braucht auf herkömmlicher PC Hardware (z.B. Intel Core i7-6700T, 4 Kerne, 8 GB RAM) genauso lange – Aber er trainiert 24x7x52 (sagen wir 23x7, wegen Wartung) => 294 Tage – Warum nehmen wir keinen Server? (2x14 Kerne, 1 TB RAM) => 42 Tage – Zu langsam? Mit Beschleunigerkarten für maschinelles Lernen => 1 Tag 56 Bildquelle: http://www.nvidia.com/object/deeplearningsystem.html
  57. 57. Die großen Konzerne investieren in KI und ML 57 https://www.crisp-research.com/die-machine-learning-akquisitionen-der-big-smarte-produkte-werden-standard/ Aquiriert von Name Sektor / Technologie Zeitpunkt Amazon Shoefitr Schuh Empfehlungen April 2015 Amazon Safaba Maschinelle Text-Übersetzung September 2015 Amazon Orbeus Deep Learning, Text, Bild, Video Dezember 2015 Apple Spotsetter Personalisierung, Social Search Juni 2014 Apple VocallIQ Künstliche Intelligenz, gesprochene Sprache September 2015 Apple Perceptio Bilderkennung September 2015 Apple Emotient Gesichtserkennung, Emotionserkennung Januar 2016 Apple Turi Künstliche Intelligenz August 2016 Facebook Wit.ai Spracherkennung, API Januar 2015 Facebook Surreal Vision Computer Vision, Augmented Reality Mai 2015 Facebook Pebbles Computer Vision, Augmented Reality Juli 2015 Google Deep Mind Technologies Künstliche Intelligenz, Deep Learning Januar 2014 Google spider.io Erkennung von Klickbetrug bei Werbeanzeigen Februar 2014 Google Jetpac Künstliche Intelligenz, Bilderkennung, Ortsempfehlung August 2014 Google The Vision Company Künstliche Intelligenz Oktober 2014 Google Dark Blue Labs Künstliche Intelligenz Oktober 2014 Microsoft Aorato Enterprise Security, Machine Learning November 2014 Microsoft Equivio Text Analyse, eDiscovery Januar 2015 Microsoft Revolution Analytics Statistics, Big Data, Predictive Analytics Januar 2015 Microsoft MileIQ KI, Machine Learning, smartes Fahrtenbuch November 2015 Microsoft Touch Type Ltd. Künstliche Intelligenz, Keyboard App Februar 2016 Microsoft Wand Labs Conversational Intelligence, Künstliche Intelligenz, Text Juni 2016
  58. 58. Ziel ist es, eine umfassende Plattform zu haben 1. Einen “Conversation Canvas” – ein Platz wo Leute viel kommunizieren und schreiben. Microsoft hat Office, Outlook, Skype und Cortana. 2. Ein KI “Gehirn” – ein hochentwickeltes mentales Modell der Welt. Microsoft entwickelt seit 20 Jahren KI, hat aktuell z.B. gute Spracherkennung. 3. Einen sozialen Graph – Informationen über die Zusammenarbeit und Beziehungen zwischen Menschen im Internet. Microsoft kauft LinkedIn mit 433 Millionen registierten Benutzern für $26.2 Mrd 4. Eine (Smart Home) Plattform auf der die künstliche Intelligenz in den Haushalt kommt. z.B. Microsoft Xbox oder Amazon Echo. 5. Schließlich ein Entwicklernetzwerk, das nur darauf wartet Erweiterungen für die Plattform zu entwickeln. z.B. 3.2 Mio registrierte Visual Studio Online Entwickler 58 Interview mit Satya Nadella (CEO von Microsoft) http://www.theverge.com/2016/7/7/12111028/microsoft-bot-framework-artificial-intelligence-satya-nadella-interview
  59. 59. … und dabei sind einige schon recht weit gekommen 59 Amazon Apple Facebook Google/Alphabet Microsoft Smart Home Echo + Dash HomeKit - Home Hub + Nest Xbox + Kinect Digitaler Assistent Alexa Siri Facebook M Google Now Cortana Soziale Plattform Produkt- bewertungen - Facebook Google+ Linked.In Conversation - iMessage FB Messenger Allo Skype Geodienste evtl. Here2 Apple Maps - Google Maps Bing Maps Virtual Reality - - Oculus Rift Glass, Tango, … Holo Lens Künstliche Intelligenz DSSTNE, AWS Machine Learning Turi, Bilder- kennung, meist intern1 Torchnet, DeepText AlphaGo, TensorFlow, DeepMind, … CNTK, Azure Machine Learning Robotik Paket- drohnen Apple Car? stellt Robotik- Experten ein3 Google Car, Schaft, Boston Dynamics - 1 http://highscalability.com/blog/2016/6/20/the-technology-behind-apple-photos-and-the-future-of-deep-le.html https://backchannel.com/an-exclusive-look-at-how-ai-and-machine-learning-work-at-apple-8dbfb131932b#.axa5xn2w6 2 http://www.handelsblatt.com/unternehmen/it-medien/audi-bmw-daimler-amazon-koennte-bei-kartendienst-here-einsteigen/13389790.html 3 http://venturebeat.com/2015/02/04/facebook-gets-into-the-robot-game-and-data-centers-could-be-involved/
  60. 60. Spezielle und generelle künstliche Intelligenz • Bisher werden überwiegend Speziallösungen für bestimmte Problemstellungen entwickelt: narrow or special purpose AI • Produkte, die uns beeindrucken sind häufig eine Kombination aus wenigen Dutzend dieser Speziallösungen. Ein virtueller persönlicher Assistent oder Chatbot unterscheidet z.B. Fragen zu Arbeit, Finanzen, Wetter, Sport und ähnlichen Gebieten und kann in jedem Gebiet eine Reihe typischer Fragen korrekt verstehen und beantworten, oder auch eigene Fragen stellen. • General Purpose AI: Stellen sie sich vor, ihr Baby lernt am ersten Tag Atari spielen und alle Level zu meistern und am zweiten Tag Doom, am 3. Schach, … • https://www.youtube.com/watch?v=VBceREwF7SA • https://www.youtube.com/watch?v=qv6UVOQ0F44 • https://www.youtube.com/watch?v=V1eYniJ0Rnk • https://www.youtube.com/watch?v=TnUYcTuZJpM 60 Bildquelle: www.zum.de
  61. 61. Ausblick mit Sorge  Bei allem Enthusiasmus für digitale Lösungen darf der gesunde Menschenverstand nicht außer Acht bleiben  Stephen Hawking, Elon Musk, Bill Gates und andere namhafte Wissenschaftler sagen die digitale Singularität voraus  Science Fiction Filme sollten nicht nur im positiven Sinne als Vorbild gesehen werden: auch deren Dystopien müssen ernst genommen werden.  Es scheint keine Frage ob, sondern nur wann die Systeme so weit sein werden  Special Purpose AI: System ist für bestimmten Bereich spezialisiert => ungefährlich  General Purpose AI: wird bisher noch nicht gebaut, aber Systeme wie AlphaGo, die mit geringen Anpassungen für verschiedene Domänen eingesetzt werden können sind die ersten Schritte dahin => potenziell gefährlich 61 abcnews.go.com Bildquelle: brynjenkins.com
  62. 62. Hof University Alfons-Goppel-Platz 1 95028 Hof, Germany rene.peinl@hof-university.de www.hof-university.de Phone +49 9281 409-3000 Fax +49 9281 409-4000 In der Zukunft muss man mit KI rechnen Prof. Dr. René Peinl Head of research group systems integration Teaching area: Web architecture

×