21. August 2017
Posted by aisolab
01

In einer neuen Veröffentlichung von Google mit den Titel “Revisiting Unreasonable Effectiveness of Data in Deep Learning Era" beschreibt Google ihre Erkenntnisse, welche Sie gewonnen haben indem sie ein Neuronales Netz auf einen Bilderdatensatz mit 300x mal mehr Bildern als in ImageNet trainiert haben.

Sie kommen dabei zu dem Ergebnis, dass selbst bei einer Steigerung von 3 Million auf 300 Millionen Trainingsbeispielen die Leistung des Netzwerkes linear skaliert. Auch nach 300 Million Bildern konnte keine Abflachung der Lernkurve festgestellt werden.

Das trainierte Netz stellt dann auch sogleich einen Rekord in dem COCO object detection benchmark auf. Zu diesem Ergebnis kommen sie alleine durch die erhöhte Anzahl von Trainingsdaten, es sind keine Verbesserungen am Model selber Vorgenommen wurden.

Hier zeigt sich eindrucksvoll die Bedeutung von BigData im Zusammenhang mit Deep-Learning. Die besten Modelle können nur diese Firmen entwickeln, die über die Expertise verfügen enorme Mengen an Daten zu speichern und effizient zu verarbeiten.

Die aiso-lab steht Ihnen hier als kompetenter Ansprechpartner für alle Herausforderungen in Bereich Software und Hardware zur Verfügung.

14. August 2017
Posted by aisolab
02

Anfang des Jahres veranstaltete Google einen Wettbewerb auf Kaggle für YouTube Video Klassifizierung. Google stellte hierfür 7 Million Video mit insgesamt 450.000 Stunden bereit, welche in 4716 Kategorien klassifiziert werden sollten. Das drittplatzierte Team, ein Zusammenschluss von Forschern der Tsinghua Universität und Baidu, haben Ihren Ansatz kürzlich Veröffentlicht.

Sie erreichen mit einer 7 Layer tiefen LSTM Architektur eine Genauigkeit von 82,75 % nach der verwendeten Global Average Precision Metrik.

Die verwendete Architektur des temporal residual CNN, ist wie folgend Dargestellt:

Quelle: Tsinghua Universität, 2017

 

28. Juli 2017
Posted by aisolab
03

Artificial Intelligence, Machine Learning, Neuronale Netze und Deep Learning sind aktuell sehr populäre Buzzwords und sie werden häufig in einem Atemzug verwendet. Es gibt aber klare Unterschiede, und ich möchte daher hier kurz auf die Definitionen und Zusammenhänge eingehen.

Artificial Intelligence – Künstliche Intelligenz

Der Begriff Artificial intelligence wurde im Jahr 1956 von Marvin Minsky, John McCarthy und anderen Wissenschaftlern während eines Workshop im Dartmouth College geprägt.

AI dient als Oberbegriff für maschinelle Technologien zur Erbringung von Intelligenzleistungen und umfasst eine breite Palette von Methoden, Logiken, Verfahren und Algorithmen. Dies ist eine sehr weit gefasste Beschreibung, da selbst der Begriff „Intelligenz“ im Allgemeinen schwer zu definieren ist.

Deep Learning

In der Regel geht es hierbei um Computerprogramme, die bestimmte menschliche „kognitive Fähigkeiten“ imitieren wie z.B. das Lernen von Zusammenhängen oder spezifische Problemlösungen.

Schwerpunkte der AI-Forschung sind z.B. die Verarbeitung von natürlicher Sprache (NLP), Lernen, Wissensverarbeitung, Planung. An der AI Forschung beteiligen sich neben der Informatik und Mathematik auch Neurowissenschaften, Soziologie, Philosophie, Kommunikationswissenschaft und Linguistik.

Machine learning – Maschinelles Lernen

Machine Learning ist eine Unterdisziplin der Artificial intelligence und bezieht sich auf statistische Techniken, durch die Maschinen auf Basis von gelernten Zusammenhängen Aufgaben ausführen.

Auf Basis von von gesammelten oder erhobenen Daten werden Algorithmen (eine Reihenfolge von definierten Schritten zur Erreichung eines Ziels) von Computern selbständig „erlernt“, ohne dass diese von einem Menschen programmiert zu werden.

Unter dem Obergegriff  Machine Learng existiert eine Vielzahl von  Algorithmen und Verfahren, z.B. Support Vector machines, Decision Tree, Random Forrest, Logistic Regression, Bayesian Networks, und-.... neuronale Netze.

Neural Networks - Neuronale Netze

Neuronale Netze sind Computermodelle zum maschinellen Lernen, die sich an der Struktur und Funktionsweise des biologischen Gehirns orientieren.

Ein künstliches Neuron verarbeitet hier mehrere Eingangssignale, und sendet wiederum, wenn die Summe der Eingangssignale einen gewissen Schwellwert übersteigt, Signale an weitere benachbarte Neuronen.

 

Hierbei kann ein einzelnes Neuron nur sehr einfache Berechnungen bzwl. Klassifizierungen durchführen. Schaltet man jedoch eine Vielzahl von Neuronen zusammen, in unterschiedlichen Architekturen, so lassen sich immer komplexere Sachverhalte lernen und entsprechende Operationenausführen.

Einfache neuronale Netze enthalten einen Input Layer, an der die Eingangssignale (z.B. Bildinformatione) angelegt werden, einen Output-Layer, der für unterschiedliche Ergebnisse zuständige Neuronen enthält, und einen Hidden-Layer, über den Input-und Output Layer verknüpft sind.

Enthält eine Netz-Architektur mehr als einen Hidden-Layer, so spricht man von Deep-Neural-Networks oder ...

 

Deep-Learning

Deep-Learning ist der Bereich des maschinellen Lernens, der unser Leben in den nächsten Jahre am stärksten verändern wird.

Hierbei geht es um ein neuronales Netz, das mehr als einen Hidden-Layer hat. Aktuell in der Praxis eingesetzte Architekturen umfassen bis zu hundert Layern mit einigen zehntausend Neuronen.Mit diesen Netzen können sehr komplexe Aufgaben gelöst werden, z.B. Bilderkennung, Spracherkennung, Maschinelle Übersetzung und, und, und...

Ich werde in den folgenden Posts auf diesem Blog näher auf die spezifischen Topologien und deren Anwendunsgebiete eingehen ..... stay tuned.

11. Juli 2017
Posted by aisolab
04

AISO-Lab (Artificial Intelligence Solutions Laboratory) entwickelt KI-Lösungen für Unternehmen – von der Beratung über Pilotprojekte bis zur Produktionsübergabe.

Wir starten Deutschlands erstes Komplettangebot für die Entwicklung innovativer Anwendungen auf Basis von künstlicher Intelligenz. AISO-Lab wurde gegründet von Jörg Bienert, Michael Hummel und einem Team aus erfahrenen Data Scientists, Beratern und Projektmanagern in Köln und Berlin.

Die Gründer hatten bereits 2011 mit ParStream eines der ersten deutschen Big-Data Starts in Köln und dem Silicon Valley aufgebaut, bevor es 2015 von Cisco übernommen wurde.

"Mit AISO-Lab wollen wir diese Erfolgsstory fortsetzen und unsere Erfahrungen in der Umsetzung von innovativen Projekten und Produkten einbringen" sagt Jörg Bienert, CEO von AISO-Lab. "künstliche Intelligenz wird unsere Arbeit und unser Leben in vielen Bereichen revolutionieren." Wir stehen an einer ähnlichen Schwelle, wie beim Durchbruch des Internets Anfang 2000. Jedoch sind viele Unternehmen in Deutschland auf diese Umwälzung noch nicht vorbereitet."

Unser Angebot reicht von Einführungspräsentationen und Schulungen, über die Durchführung von detaillierten Evaluierungs-Workshops, Pilot-Implementierung bis hin zur kompletten Produktentwicklung und der Bereitstellung der erforderlichen Infrastruktur inklusive einer eigenen Hardware Appliance.

"Oft existiert in Unternehmen eine Lücke zwischen aktuellen Anforderungen, neuen Ideen und den Möglichkeiten, die die neuen Technologien im Bereich der KI bieten", betont Bienert. "Wir verstehen uns als Brückenbauer, um diese Lücke zu schließen und gemeinsam mit dem Kunden kreative Ideen zu entwickeln sowie innovative Produkte zu implementieren."