Maschinen können jetzt etwas erkennen, nachdem sie es einmal gesehen haben

Die meisten von uns können ein Objekt erkennen, nachdem sie es ein- oder zweimal gesehen haben. Aber die Algorithmen, die Computer Vision und Spracherkennung antreiben, brauchen Tausende von Beispielen, um sich mit jedem neuen Bild oder Wort vertraut zu machen.

Forscher von Google DeepMind haben jetzt einen Ausweg gefunden. Sie ein paar clevere Änderungen vorgenommen zu einem Deep-Learning-Algorithmus, der es ihm ermöglicht, Objekte in Bildern und andere Dinge anhand eines einzigen Beispiels zu erkennen – etwas, das als „One-Shot-Learning“ bekannt ist. Das Team demonstrierte den Trick an einer großen Datenbank mit getaggten Bildern sowie an Handschrift und Sprache.

Die besten Algorithmen können Dinge zuverlässig erkennen, aber ihr Bedarf an Daten macht deren Erstellung zeitaufwändig und teuer. Ein Algorithmus, der zum Beispiel darauf trainiert ist, Autos auf der Straße zu erkennen, muss viele tausend Beispiele aufnehmen, um in einem fahrerlosen Auto zuverlässig zu funktionieren. Das Sammeln so vieler Daten ist oft unpraktisch – ein Roboter, der beispielsweise durch ein unbekanntes Zuhause navigieren muss, kann nicht unzählige Stunden damit verbringen, herumzuwandern und zu lernen.

Oriol Vinyals, ein Forschungswissenschaftler bei Google DeepMind, einer britischen Tochtergesellschaft von Alphabet, die sich auf künstliche Intelligenz konzentriert, fügte einem Deep-Learning-System eine Speicherkomponente hinzu – eine Art großes neuronales Netzwerk, das darauf trainiert ist, Dinge zu erkennen, indem es die Empfindlichkeit anpasst viele Schichten miteinander verbundener Komponenten, die ungefähr den Neuronen in einem Gehirn entsprechen. Solche Systeme müssen viele Bilder sehen, um die Verbindungen zwischen diesen virtuellen Neuronen fein abzustimmen.

Das Team demonstrierte die Fähigkeiten des Systems anhand einer Datenbank mit beschrifteten Fotos ImageNet . Die Software muss immer noch mehrere hundert Bildkategorien analysieren, aber danach kann sie lernen, neue Objekte – beispielsweise einen Hund – anhand nur eines Bildes zu erkennen. Es lernt effektiv, die Merkmale in Bildern zu erkennen, die sie einzigartig machen. Der Algorithmus war in der Lage, Bilder von Hunden mit einer Genauigkeit zu erkennen, die der eines herkömmlichen datenhungrigen Systems nahe kam, nachdem er nur ein Beispiel gesehen hatte.

Laut Vinyals könnte die Arbeit besonders nützlich sein, wenn sie schnell die Bedeutung eines neuen Wortes erkennen könnte. Dies könnte laut Vinyals für Google wichtig sein, da es einem System ermöglichen könnte, die Bedeutung eines neuen Suchbegriffs schnell zu lernen.

Andere haben One-Shot-Learning-Systeme entwickelt, die jedoch in der Regel nicht mit Deep-Learning-Systemen kompatibel sind. Ein akademisches Projekt verwendete im vergangenen Jahr probabilistische Programmiertechniken, um diese Art von sehr effizientem Lernen zu ermöglichen (siehe „Dieser Algorithmus lernt Aufgaben so schnell wie wir“).

Aber Deep-Learning-Systeme werden leistungsfähiger, insbesondere durch das Hinzufügen von Speichermechanismen. Eine andere Gruppe bei Google DeepMind hat kürzlich ein Netzwerk mit einer flexiblen Art von Gedächtnis entwickelt, wodurch es in der Lage ist, einfache Denkaufgaben auszuführen – zum Beispiel zu lernen, wie man in einem U-Bahn-System navigiert, nachdem man mehrere viel einfachere Netzwerkdiagramme analysiert hat (siehe „Was passiert, wenn man gibt ein Computer ein Arbeitsspeicher? ').

'Ich denke, dies ist ein sehr interessanter Ansatz, der eine neuartige Möglichkeit bietet, One-Shot-Lernen auf solch großen Datensätzen durchzuführen', sagt er Sang Wan Lee , der das Laboratory for Brain and Machine Intelligence am Korean Advanced Institute for Science and Technology in Daejeon, Südkorea, leitet. 'Dies ist ein technischer Beitrag zur KI-Community, was Computervisionsforscher sehr zu schätzen wissen.'

Andere stehen seinem Nutzen eher skeptisch gegenüber, da es sich immer noch vom menschlichen Lernen unterscheidet. Sagt zum einen Sam Deutschmann , einem Assistenzprofessor am Department for Brain Science in Harvard, lernen Menschen im Allgemeinen, indem sie die Komponenten verstehen, aus denen ein Bild besteht, was möglicherweise etwas reales oder vernünftiges Wissen erfordert. Zum Beispiel: „Ein Segway kann ganz anders aussehen als ein Fahrrad oder Motorrad, aber er kann aus den gleichen Teilen bestehen.“

Laut Gershman und Wan Lee wird es noch einige Zeit dauern, bis Maschinen mit menschlichem Lernen mithalten können. „Wir sind immer noch weit davon entfernt, das Geheimnis der Menschen zu enthüllen, wie man One-Shot-Lernen durchführt“, sagt Wan Lee, „aber dieser Vorschlag stellt eindeutig neue Herausforderungen dar, die weitere Untersuchungen verdienen.“

verbergen