11-mal heruntergeladen
Hochgeladen vonThilo Stadelmann
Was denken denkende Maschinen?
Das Dokument behandelt die Fortschritte im Bereich der denkenden Maschinen, speziell durch den Einsatz von Deep Learning und neuronalen Netzen bei der Mustererkennung. Es wird darauf hingewiesen, dass obwohl Computer bei bestimmten Aufgaben bessere Ergebnisse als Menschen erzielen, sie hinsichtlich anderer Datenanalyseprobleme nicht immer die beste Lösung bieten. Herausforderungen im technischen, ethischen und gesellschaftlichen Bereich müssen angegangen werden, um das Potenzial dieser Technologien zu nutzen.
Was denken denkende Maschinen?
- 1. Zürcher Fachhochschule Was denkendenkende Maschinen? WI-Award, Crowne Plaza Zürich, 20.10.2016 Thilo Stadelmann
- 2. Zürcher Fachhochschule 2 Was? Wie? Wohin? 1Was ist passiert? (Eine kurze Geschichte der letzten Monate)
- 3.
- 4.
- 5.
- 6.
- 7.
- 8. Zürcher Fachhochschule 8 Generierte Sprache «ausTexteingabe» Generierte Musik «ohne Inhaltsvorgabe»
- 9.
- 10.
- 11.
- 12.
- 13. Zürcher Fachhochschule 13 …und dieListe liesse sich fortsetzen!
- 14. Zürcher Fachhochschule 14 …und dieListe liesse sich fortsetzen!
- 15. Zürcher Fachhochschule 15 …und dieListe liesse sich fortsetzen!
- 16. Zürcher Fachhochschule 16 Was istpassiert? Der ImageNet Wettbewerb 1000 Kategorien 1 Mio. Beispiele …
- 17. Zürcher Fachhochschule 17 Was istpassiert? Der ImageNet Wettbewerb 1000 Kategorien 1 Mio. Beispiele … A. Krizhevsky verwendet als erster ein sog. «Deep Neural Network» (CNN)
- 18. Zürcher Fachhochschule 18 Was istpassiert? Der ImageNet Wettbewerb 1000 Kategorien 1 Mio. Beispiele … A. Krizhevsky verwendet als erster ein sog. «Deep Neural Network» (CNN)
- 19. Zürcher Fachhochschule 19 Was istpassiert? Der ImageNet Wettbewerb 1000 Kategorien 1 Mio. Beispiele … A. Krizhevsky verwendet als erster ein sog. «Deep Neural Network» (CNN) 2015: Computer haben “Sehen” gelernt 4.95% Microsoft (06. Februar) Besser als Menschen (5.10%) 4.80% Google (11. Februar) 4.58% Baidu (11. Mai) 3.57% Microsoft (10. Dezember)
- 20. Zürcher Fachhochschule 20 Was? Wie? Wohin? 2Wie geht das? (Was denken denkende Maschinen?)
- 21. Zürcher Fachhochschule 21 Grundlage Induktives überwachtesLernen Annahme • Ein an genügend viele Beispiele angepasstes Modell… • …wird auch auf unbekannte Daten generalisieren Methode • Suchen der Parameter einer gegebenen Funktion… • …so dass für alle Beispiele Eingabe (Bild) auf Ausgabe («Auto») abgebildet wird Quelle: http://lear.inrialpes.fr/job/postdoc-large-scale-classif-11-img/attribs_patchwork.jpg
- 22. Zürcher Fachhochschule 22 Suche derParameter einer Funktion?? Neuron Merkmale (z.B. Pixel) Anpassbare Parameter Entscheidung (Schwellwert) Ergebnis (z.B. «Auto») 𝑦
- 23. Zürcher Fachhochschule 23 Suche derParameter einer Funktion?? Neuron Neuronales Netz Merkmale (z.B. Pixel) Anpassbare Parameter Entscheidung (Schwellwert) Ergebnis (z.B. «Auto») 𝑦
- 24. Zürcher Fachhochschule 24 Idee: MehrTiefe zum Lernen von Merkmalen (0.2, 0.4, …) Containerschiff Tiger Klassische Bild- verarbeitung (0.4, 0.3, …) Merkmalsextraktion (SIFT, SURF, LBP, HOG, etc.) Containerschiff Tiger Mit Convolutional Neural Networks (CNNs) Nimmt rohe Pixel entgegen, Merkmale werden mitgelernt! Klassifikation (SVM, Neuronales Netz, etc.) … …
- 25. Zürcher Fachhochschule 25 Was «sieht»das Neuronale Netz? Hierarchien komplexer werdender Merkmale Quelle: https://www.pinterest.com/explore/artificial-neural-network/
- 26. Zürcher Fachhochschule 26 Was? Wie? Wohin? 3Wohin führt das? (Ein Ausblick)
- 27. Zürcher Fachhochschule 27 Was ichnicht erwarte
- 28. Zürcher Fachhochschule 28 Was ichnicht erwarte
- 29. Zürcher Fachhochschule 29 Was ichnicht erwarte
- 30.
- 31.
- 32.
- 33.
- 34.
- 35. Zürcher Fachhochschule 35 Schlussfolgerungen • «Denkenderechnende» Maschinen sind immer noch inselbegabt • Aber: «Deep Learning» hat zu Quantensprung in Mustererkennungsaufgaben geführt • Für andere Datenanalyseaufgaben sind andere Verfahren besser geeignet • Angst ist unangebracht – aber Herausforderungen wollen gestaltet werden: technisch, ethisch, wirtschaftlich, gesellschaftlich Mehr zu mir: • Leiter ZHAW Datalab, Vice President SGAICO, Board Data+Service • thilo.stadelmann@zhaw.ch • 058 934 72 08 • www.zhaw.ch/~stdm Mehr zum Thema: • KI: http://www.s-i.ch/en/fachgruppen-und-sektionen/sgaico/ • Verband Data & Service Science: www.data-service-alliance.ch • Gemeinsame Projekte: datalab@zhaw.ch Fragen Sie gerne an.
- 36.
- 37. Zürcher Fachhochschule 37 Was «sieht»das Neuronale Netz? Hierarchien komplexer werdender Merkmale Quelle: http://vision03.csail.mit.edu/cnn_art/data/single_layer.png