> > > > Google will alles wissen und setzt auf Deep Learning

Google will alles wissen und setzt auf Deep Learning

Veröffentlicht am: von

gtc2015Google hat offensichtlich Ambitionen im Bereich Deep Learning. Dazu betrat Jeff Dean, Google Senior Fellow die Bühne und versuchte zu erklären, wie immer intelligentere Computer in diesem Bereich helfen können. Es geht nicht mehr darum, für jeden Fall den passenden Algorithmus vorliegen zu haben, sondern einfache Algorithmen zu entwickeln, die selbstständig lernen. Täglich werden weltweit im Internet Trillionen Wörter geschrieben, Milliarden Bilder hochgeladen und tausende Stunden Audio erzeugt. Diese Inhalte durchsuchen zu können ist sicherlich ein Anspruch, den Google hat. Hinzu kommen aber auch weitere Informationen wie die Nutzeraktivität. Google möchte Lernen wann eine Person wohin klickt, wie lange sie für bestimmte Informationen sucht, wie viele Seiten sie dazu besucht und vieles mehr.

Google setzt auf Deep Learning
Bildergalerie: Google setzt auf Deep Learning

Ein wenig konkreter wurde es mit Google Maps und dem bestehenden Street-Street-View-Daten. Google arbeitet an automatischen Systemen, die aus den Bildern die Hausnummer erkennen. Dies klingt einfacher als es ist, denn auch wenn eine Texterkennung recht zuverlässig ist, so werden dennoch unterschiedlichste Größen, Farben und Formen für Zahlen verwendet, die unterschiedlicher nicht sein könnten und zuverlässig erkannt werden sollten. Gleiches gilt für Beschriftungen auf Hausfronten, aus denen Google gerne Informationen über die anliegenden Ladenlokale gewinnen möchte. Dies geht sogar so weit, dass Öffnungszeiten aus den Schildern der Street-View-Daten erkannt werden sollen.

Google setzt auf Deep Learning
Bildergalerie: Google setzt auf Deep Learning

GPUs ermöglichen bei der Analyse und dem Aufbau solcher Deep Learning Netzwerke völlig neue Wege. An dieser Stelle bietet sich auch einmal mehr der Vergleich zum menschlichen Gehirn an. Neuronen sind in der Lage innerhalb von 0,1 Sekunden 10 Prozessor zu verarbeiten. Je nach Aufgabe arbeiten mehrere hundert Millionen oder Milliarden Neuronen gleichzeitig an einer Aufgabe wie dem erkennen von Fotos. Deep Learning Netzwerke mit 10 Layern und mehreren hundert GPUs erreichen diese Leistungswerte bereits heute. Eine Bild-, Text- und Audio-Erkennung wird von solchen Systemen bereits heute schneller und mit einer geringeren Fehlerrate ausgeführt, als vom menschlichen Gehirn.

Google setzt auf Deep Learning
Bildergalerie: Google setzt auf Deep Learning

Wichtiger Bestandteil des Deep Learning ist die Zeit, die es benötigt, ein Netzwerk zu trainieren. Große Datenbanken für Experimente aufzubauen sollte nicht länger als ein paar Stunden dauern. Sprechen wir hier bereits von Tagen oder gar Wochen, lohnt sich der Aufbau des Netzwerkes vielleicht schon nicht mehr. Hier kommen dann auch die GPUs in Spiel, die nicht nur bei der Auswertung von Daten aus solchen Netzwerkes durch eine Parallelisierung schneller arbeiten, als Hardware zuvor, sondern auch schon beim Aufbau solcher Netzwerke und dem Anlernen des Systems.

Sowohl beim Aufbau der Daten, der Analyse eines solchen Netzwerkes als auch bei der späteren Umsetzung mit weiteren Daten spielt die Parallelisierung also eine wichtige Rolle. Moderne GPUs sind eines der wichtigsten Hilfsmittel in diesem Bereich.

Social Links

Ihre Bewertung

Ø Bewertungen: 0

Tags

Kommentare (1)

#1
customavatars/avatar178325_1.gif
Registriert seit: 11.08.2012

Flottillenadmiral
Beiträge: 4593
Skynet lässt grüßen... So langsam wird mir das ganze echt n bisschen unheimlich :/
Um Kommentare schreiben zu können, musst Du eingeloggt sein!

Das könnte Sie auch interessieren:

Lohnt das Mining für den Privatanwender noch?

Logo von IMAGES/STORIES/2017/ETHEREUM

Bestimmte Grafikkartenmodelle sind schlecht verfügbar und einige Hersteller präsentieren sogar spezielle Mining-Modelle – bestes Anzeichen dafür, dass eine neue Mining-Welle anrollt. Ethereum basiert wie Bitcoins auf einer Blockchain-Technologie. Ethereum ist aber keine reine Kryptowährung,... [mehr]

Deutschen Bahn trainiert Mitarbeiter in der virtuellen Realität

Logo von IMAGES/STORIES/2017/DEUTSCHE_BAHN

Nicht nur das autonome Fahren auf der Straße spielt auf der GPU Technology Conference in München eine Rolle, auch die Deutsche Bahn hielt einen Vortrag, der sich mit dem Training von Mitarbeitern in einer virtuellen Umgebung befasste. Autonome Züge spielten jedenfalls keine Rolle, auch wenn in... [mehr]

Bitcoin droht der Hard Fork – Ethereum weiter auf niedrigem Kurs

Logo von IMAGES/STORIES/2017/ETHEREUM

Bereits in der vergangenen Woche deuteten sich einige Änderungen bei den Kryptowährungen an. Nach einem wochenlangen Hoch brach der Kurs des Ether auf weit unter 200 US-Dollar ein. Die Gründe dafür sind nicht immer ersichtlich. Oftmals gibt es auch Wechselwirkungen zwischen den einzelnen... [mehr]

AMD mit guten Quartalszahlen – Vega und Naples für Q2 bestätigt (Update)

Logo von IMAGES/STORIES/2017/AMD

AMD hat die ersten Quartalszahlen veröffentlicht, die nach dem Verkaufsstart der RYZEN-Prozessoren zusammengestellt wurden. Darin zeichnet das Unternehmen einen deutlichen Anstieg beim Umsatz aus, muss bisher aber noch auf Gewinne verzichten. Weitaus wichtiger aber ist, dass AMD in seinen... [mehr]

Apple Pay weiterhin nicht in Deutschland vorgesehen

Logo von IMAGES/STORIES/2017/APPLE_PAY

Apple Pay ist das drahtlose Bezahlsystem des iPhone-, iPad- und Mac-Herstellers, welches am 20. Oktober 2014 startet, bisher aber noch immer nicht den Weg nach Deutschland gefunden hat. Inzwischen hat Apple für viele Nachbarländer Apple Pay bereits eingeführt, Deutschland aber ist nach wie vor... [mehr]

Epyc und Vega: AMD packt ein PFLOP pro Sekunde in ein Serverrack

Logo von IMAGES/STORIES/2017/AMD-PROJECT47

AMD hat mit den Eypc-Serverprozessoren und Radeon-Instinct-GPU-Beschleunigern zwei sicherlich potente Hardwarekomponenten vorgestellt, die teilweise auch schon im Handel verfügbar sind oder in den kommenden Wochen und Monaten auf den Markt kommen werden. Mit den Epyc-Prozessoren greift AMD den... [mehr]