Um Wörter für Algorithmen und neuronale Netze verwendbar zu machen, gibt es verschiedene Ansätze. Wir stellen im folgenden einige gängige Methoden vor, insbesondere solche, die sich für die Arbeit mit neuronalen Netzen bewährt haben.
Unter Transfer-Learning versteht man das Übertragen der Ergebnisse eines fertig trainierten neuronalen Netzes auf eine neue Aufgabe. Die fertig trainierten Layer werden dabei entweder konstant gehalten und nur am Output-Layer nachtrainiert, oder es werden einige oder alle Layer auf Basis des aktuellen Trainings-Stands weiter trainiert.
Ein Convolutional Neural Network (kurz „CNN“) ist eine Deep Learning Architektur, die speziell für das Verarbeiten von Bildern entwickelt wurde. Wie es funktioniert, erklärt dieser Beitrag …
Genetische Algorithmen oder evolutionäre Algorithmen sind eine Klasse von Optimierungs-Algorithmen, die versuchen, mit den aus der Natur bekannten Strategien der Evolution Lösungen für bestimmte Probleme zu finden. Bei Deep Learning Modellen können genetische Algorithmen als Alternative zur Optimierung per Backpropagation zur „Zucht“ von neuronalen Netzen eingesetzt werden.
Bei vielen Problemen wachsen die Entscheidungsbäume exponentiell und können selbst mit massivster Rechenleistung nicht komplett durchsucht werden können. Mit diesen Such- und Bewertungsstrategien kommt man trotzdem weiter.
Intelligente Agenten können bestimmte Probleme oftmals viel schneller, zuverlässiger und besser lösen, als menschliche Agenten. Wie genau einfache intelligente Agenten funktionieren und welche Basis-Strategien sie für die Lösung von Problemen anwenden, erklären wir in diesem Beitrag.
Chatbots verwenden künstliche Intelligenz, um aus dem Input-Text die Absicht des Nutzers zu extrahieren. Der Nutzer wird aber dann durch einen starren Dialogbaum geleitet, was oft nicht ideal ist. Es ist aber auch möglich, den starren Dialogbaum selbst durch ein Deep Learning Modell zu ersetzen und so deutlich menschenähnlichere Dialoge zu führen.
Ein wichtiges Merkmal von Systemen mit künstlicher Intelligenz ist die Fähigkeit, selbständig zu lernen. Anders als bei klassischer Software, die Probleme und Fragen auf Basis von vorher festgelegten Regeln abarbeitet, können selbstlernende Machine Learning Algorithmen die besten Regeln für die Lösung bestimmter Aufgaben selber lernen.
Am 13.02.2018 fand der Entwickler Workshop „Watson Services auf IBM Cloud“ am IBM Hauptsitz in Ehningen bei Stuttgart statt. Ca. 20 Interessierte hatten sich zum Workshop eingefunden, darunter auch eine erfreulich hohe Anzahl von Entwicklerinnen (25% !).
Am 14. September fand in Bochum das eintägige AWS AI Bootcamp statt. Die Voraussetzungen zur Teilnahme zielten auf Entwickler mit ersten Erfahrungen im Bereich Maschinelles Lernen und Optimierungs-Algorithmen, doch die vielversprechende Agenda lockte auch viele Neulinge und Nicht-Developer an.