Anmelden
Header Main Menu Home Online lernen Studenten und Azubis Trainings vor Ort Unsere Partner Mehr arrow_drop_down Tools Trainings auf Anfrage Häufig gestellte Fragen Feedback Google Expeditions
Jetzt loslegen

Bonusmaterial

In diesem Bereich finden Sie Bonusmaterial mit ergänzenden Lerninhalten zu weiteren Aspekten der digitalen Welt. Diese Videos sind nicht Bestandteil des Zertifizierungsprogramms der Google Zukunftswerkstatt. Betrachten Sie sie vielmehr als Möglichkeit, weitere interessante Themen kennenzulernen.

Kleine, große und heikle Probleme lösen

NÄCHSTES THEMA
{[ ((showTranscript) ? 'AUSBLENDEN' : 'TRANSKRIPT ANZEIGEN') ]}
Als kleines Mädchen war ich von Entdeckern fasziniert. Ich bin in Seattle aufgewachsen, wo Lewis und Clark quasi Helden waren. Ich wollte auch Entdeckerin werden. Als Elektroingenieurin suche ich ständig nach neuen Möglichkeiten, die wir umsetzen können – wo auch immer. Beim maschinellen Lernen und meiner Forschung bin ich jetzt quasi Entdeckerin auf geistiger Ebene.

In den letzten fünf Jahren haben sich die Fähigkeiten von Maschinen enorm weiterentwickelt, wenn man das mit den ein oder zwei Jahrzehnten davor vergleicht. Uns stehen heute sehr viel mehr Daten und Rechenleistung zur Verfügung. Daher können wir in größeren Dimensionen denken und völlig neue Modelle konzipieren.

Die reale Welt ist zurzeit sehr chaotisch. Hier kann man die Probleme nicht mit festen, logischen Regeln lösen. Deswegen geht es beim maschinellen Lernen darum, anhand von Beispielen zu lernen. Statt 500.000 Zeilen Code zu schreiben, lassen wir die Maschinen die Welt beobachten. Dann sehen wir uns einige Beispiele im Algorithmus an – Millionen, Milliarden oder sogar Billionen –, um Muster zu identifizieren und auf dieser Basis zu verallgemeinern. Wir sind in der Lage, Programme zur Bilderkennung darin zu trainieren, die Pixel eines Bilds zu erkennen und von diesen Pixeln Funktionen auf höchster Ebene herzuleiten. Das Modell lernt, dass ein Kind und eine Torte eine Geburtstagsfeier darstellen könnten. Sieht man eine Torte und viele Kinder, ist es sehr wahrscheinlich eine Geburtstagsfeier. Wir bringen der Maschine im Grunde bei, die Welt wie ein Mensch wahrzunehmen. Was für uns so natürlich und einfach ist.

Man erkennt, wie fantastisch wir Menschen sind und wie toll es ist, dass dein Vierjähriger Gesichter erkennen kann. Maschinelles Lernen ist der Beginn einer großen Revolution auf dem Gebiet der Spracherkennung. Um der Maschine die Spracherkennung beizubringen, waren Interaktionen in einem lauten Zimmer erforderlich. Hierzu haben wir Klänge aus der realen Welt mit vorhandenen Beispielen gemischt. Ist es draußen kalt? [Unverständliche Stimmen] Ist es draußen kalt? [Verkehrsgeräusche] Ist es draußen kalt? Unsere Systeme verstehen Sie heute immer, unabhängig davon, welche Geräusche in der jeweiligen Umgebung auftreten. Die Spracherkennung kann sogar zwischen Sprechern unterscheiden. Durch maschinelles Lernen haben wir heute einen Algorithmus, der erlernt, einen menschlichen Sprecher zu imitieren. Wir reden heute oft sehr informell. „Blablabla“ und dann kommt die Antwort „Ok“. Dazu kommen dann noch Emojis und Sticker.

Dank Google können wir heute sehr viel natürlichere Gespräche führen. Gibt es hier in der Nähe einen guten Mexikaner? Hier sind Ihre Ergebnisse. Bei Google Assistent setzen wir unsere besten Methoden für maschinelles Lernen ein, um Sprache zu erkennen, Bilder auszuwerten und natürliche Sprache zu verstehen. Das ist eine vielversprechende Richtung für die Entwicklung von Systemen, die sich in der ungeordneten realen Welt zurechtfinden können. Wir haben uns entschieden, dies als Open-Source-Projekt zu realisieren, damit auch externe Entwickler dasselbe System nutzen können wie Google-Mitarbeiter. Sehr viele Menschen haben damit unglaublich kreative Ideen umgesetzt, ohne überhaupt etwas über maschinelles Lernen zu wissen. Diese Menschen brauchen nur die Ideen. Die schwierige Arbeit haben wir bereits für sie erledigt.

Ein tolles Beispiel, das ich gesehen habe, war jemand, bei dem ständig eine Katze durchs Haus gelaufen ist. Dieser Nutzer hat dem Modell beigebracht, die Anwesenheit der Katze zu erkennen und dann die Bewässerungsanlage einzuschalten, um sie zu vertreiben. Ein älteres Ehepaar betreibt eine Gurkenfarm in Japan. Eine der aufwendigeren Aufgaben ist das Sortieren der Gurken: Es gibt Gurken mit unebener oder mit glatter Schale, gerade und gebogene Gurken. Das ist wirklich eine komplizierte Aufgabe. Die Frau hat jeden Tag viele Stunden lang die Gurken sortiert. Der Sohn des Ehepaars hat dann mithilfe eines Computer-Vision-Modells ein automatisches Kategorisierungs- und Sortiersystem für die Gurken entwickelt. Statt Gurken zu sortieren, kann das Ehepaar seine Zeit heute viel besser für andere Dinge nutzen.

387 Millionen Menschen mit Diabetes haben ein erhöhtes Risiko an diabetischer Retinopathie zu erkranken und dadurch zu erblinden. Anzeichen für diese Krankheit erkennt man, indem man Aufnahmen von der Rückwand des Auges macht. Es gibt jedoch einfach nicht genügend Ärzte und es dauert Stunden, bis die Bilder interpretiert sind. Daher haben wir durch maschinelles Lernen einen Algorithmus dafür entwickelt. Die Ergebnisse sind sofort verfügbar, sodass die Ärzte mehr Patienten auf diese Krankheit hin untersuchen können. Je mehr man maschinelles Lernen und seine Möglichkeiten selbst erlebt, desto besser erkennt man, welche Chancen es bietet, das Leben der Menschen zu verbessern.

Durch maschinelles Lernen lässt sich sehr viel Strom sparen und sogar die Ausbreitung von Krankheiten und Seuchen verfolgen. Wir können für alle Sehbehinderten ein Computer-Vision-Modell einsetzen. Wir könnten für jeden auf der Welt eine Spracherkennungslösung entwickeln und so die Lebensqualität von Millionen oder gar Milliarden von Menschen verbessern. Ich kenne kein Gebiet der Wissenschaft oder gar des menschlichen Strebens, das nicht von maschinellem Lernen profitieren würde.

Wenn Sie mich vor ein paar Jahren gefragt hätten, ob Computer in absehbarer Zeit hierzu in der Lage wären, hätte ich das für unwahrscheinlich gehalten. Mir vorzustellen, was die Zukunft bringen wird, gibt mir sehr viel Kraft. Wir haben heute Ideen und tun Dinge, die kein Mensch je zuvor gedacht oder getan hat. Wir betreten hier in der Tat neues intellektuelles Terrain. Mithilfe von künstlicher Intelligenz und maschinellem Lernen werden wir zukünftig Lösungen für bisher ungelöste Probleme entwickeln können, die den Menschen wirklich helfen.
{[ ((showTranscript) ? 'AUSBLENDEN' : 'TRANSKRIPT ANZEIGEN') ]}
Durch maschinelles Lernen ändert sich die Art und Weise, wie wir die Computertechnik nutzen, um Probleme zu lösen und uns das Leben zu erleichtern. Es kann japanischen Landwirten beim Gurkensortieren helfen, ebenso wie indischen Ärzten bei der Diagnose von Augenkrankheiten. In diesem Video wird gezeigt, wie maschinelles Lernen zur Lösung unterschiedlichster Probleme in den verschiedensten Branchen, Bereichen und Anwendungsgebieten eingesetzt werden kann.
NÄCHSTES THEMA
ZURÜCK WEITER