Körber-Preis 2019
12/24

Abbildung: Bernhard Schölkopf nutzt Maschine Learning auch in astronomischen Anwendungen und wertet die Bilder der lichtstarken Teleskope im Dach des MPI automatisch aus.  


»Entscheidend für die großen Fortschritte im Maschinellen Lernen sind vor allem die ungeheuer gewachsenen Datenmengen, in den USA Big Data genannt.«   BERNHARD SCHÖLKOPF 


»Entscheidend für die großen Fortschritte im Maschinellen Lernen sind vor allem die ungeheuer gewachsenen Datenmengen, in den USA Big Data genannt«, sagt Schölkopf – und erklärt dies am folgenden Beispiel: Eine Support-Vektor-Maschine könnte zum Beispiel vor die Aufgabe gestellt werden, in Abschnitten der Erbsubstanz DNA biologisch bedeutsame Klassen aufzuspüren. »Solange wir nur wenige Trainingsdaten haben, etwa ein paar tausend, ist die Genauigkeit sehr niedrig. Wir Menschen würden uns vermutlich überhaupt nur ein paar tausend anschauen. Dies würde aber nicht ausreichen, um Gesetzmäßigkeiten zu erkennen. Doch mit großen Datenmengen, z. B. 10 bis 15 Millionen, steigt die Genauigkeit stark an. Die Support-Vektor-Maschine kann damit Strukturen aufspüren, die ein Mensch niemals zu finden in der Lage wäre.« 

Die hohe Bedeutung von Big Data erkennt man auch an der gestiegenen Datensammelwut großer IT-Konzerne. Face­book verfügt über die weltgrößte Datensammlung von über einer Milliarde Gesichtern – oft in unterschiedlichen Perspektiven –, die von den Anwendern in Gruppenfotos oft auch noch mit Namen versehen wurden. Dieser gewaltige Datensatz eignet sich beispielsweise hervorragend, um mittels Training eine besonders präzise KI-Software für die Gesichtserkennung zu erstellen.

SCHON BALD WERDEN KI-SYSTEME AUCH DEN BÜROALLTAG REVOLUTIONIEREN 

Nach der Roboterisierung der Fabriken werden KI-Systeme künftig auch den Büroalltag revolutionieren. Sie ›verstehen‹ inzwischen problemlos die Inhalte von Dokumenten und legen diese automatisch ab. Auf ähnliche Weise filtern sie Spam-E-Mails heraus. Selbst einfache Versicherungsfälle können die Systeme eigenständig bearbeiten. Bei der Qualitätssicherung in der Fertigung entdecken sie blitzschnell kleinste Mängel, die Menschen leicht übersehen könnten. In der Medizin spüren sie auf Röntgen- oder Tomographenbildern Tumoren so treffsicher auf wie menschliche Experten. Mehrere renommierte US-Zeitungsredaktionen und -Agenturen wie Associated Press lassen sogar bereits Journalisten-Roboter einfache Standardmeldungen aus den Bereichen Wirtschaft und Sport verfassen.