| Neuronale Netzwerke |  |
Ich hab den Eindruck, was von vielen nicht genug oder auch gar nicht wahrgenommen wird, ist die Geschichte mit den neuronalen Netzwerken, also dem Machine Learning bzw. Deep Learning.
Basierend auf Forschung aus den 90ern, deren Erkenntnisse erst jetzt umsetzbar sind, weil die Computer jetzt schnell genug und gerade auch die Datenmengen groß genug geworden sind, gab es speziell bei Google und in China riesige Fortschritte.
Wir haben mittlerweile Technologie, die aus dem Betrachten einer großen Anzahl von Schachpartien das Schachspielen erlernen kann - von den Regeln des Spiels selbst bis zur ausgeklügelten Strategie, so dass kein menschlicher Spieler mehr mithalten kann. Und das alles innerhalb einer Stunde (wenn auch mit hoch-parallelisierter High-End-Hardware).
Nvidia setzt einen Computer mit dicker TensorFlow-Grafikkarte und mit Kameras und Sensoren bestückt in den Kofferraum eines Autos und lässt dieses Setup einem Menschen beim Autofahren zugucken, und nach einiger Zeit fährt es selbst autonom Auto. (Was das angeht, frage ich mich sowieso, wie lange Menschen überhaupt noch Auto fahren dürfen. Viel zu gefährlich, das.)
Computer können, entsprechend trainiert, den Stil eines Bildes aus diesem herausabstrahieren und auf ein anderes Bild übertragen (siehe Deepart.io-Thread: [http://maniac.komeht.de/pxmboard.php?mode=message&brdid=6&msgid=4235224]). Sowas wäre vor einigen Jahren, als selbst das automatisierte Unterscheiden von Hunde- und Katzenbildern noch unmöglich schien, völlig unvorstellbar gewesen.
Insgesamt hab ich den Eindruck, dass diese neuronalen Netzwerke immer mehr menschlichen Kleinkindern ähneln, wobei die natürlich auf alles mögliche reagieren können, und neuronale Netzwerke nur die Aufgabe lösen können, auf die sie trainiert wurden.
Aber in der breiten Öffentlichkeit scheint es kein rechtes Bewusstsein für diese Weiterentwicklung zu geben. Selbst die Informierteren unter meinen Freunden sind überrascht, wenn ich denen mal eine Linksammlung rüberschicke. Dabei sehen viele die Fähigkeiten z.B. der Google-Bildersuche oder nutzen Apps wie Prism (Stil-Übertragung von einem Bild ins andere).
Gleichzeitig übersehen viele, die neuronale Netzwerke als Heilsbringer feiern, wie fehleranfällig sie sind. Erstmal erwartet man zum Beispiel von Deep-Learning-unterstützter Spracherkennung perfekte Ergebnisse, während selbst Menschen weit davon entfernt sind, alles zu verstehen. Und dann gibt es Forschungsergebnisse, die nahelegen wie leicht die Netzwerke zu überlisten sind, indem man Fehlklassifizierung gezielt ausnutzt und so dafür sorgt, dass die Bilderkennung statt einer Schildkröte ein Maschinengewehr erkennt, während kein Mensch auf diese abwegige Idee käme (dazu ein empfehlenswertes Video vom Chaos Communications Congress: [https://media.ccc.de/v/34c3-8860-deep_learning_blindspots]).
Hochinteressantes Thema jedenfalls. Manchmal denke ich schonmal präventiv "I welcome our new robot overlords". Lang dauert das so nicht mehr bis zur Singularität.