#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

Für die Artikelreihe "#unchAIn - Demystifying AI" kooperiert der brutkasten mit dem Expertinnen-Netzwerk Ms. AI, um Vorurteile rund um Künstliche Intelligenz zu entmystifizieren. Expertinnen beantworten dazu die großen Fragen rund um das Thema KI. Teil 3: Was ist Machine Learning und Deep Learning?
/ki-was-ist-machine-learning-deep-learning/

Zusammenfassung aus

Zusammenfassung ein

Künstliche Intelligenz (KI): Was ist Machine Learning? Was ist der Unterschied zu Deep Learning?
(c) Adobe Stock - zapp2photo
Der Summary Modus bietet einen raschen
Überblick und regt zum Lesen mehrerer
Artikel an. Der Artikeltext wird AI-basiert
zusammengefasst mit der Unterstützung
des Linzer-Startups Apollo AI.

KI (Künstliche Intelligenz) ist das vielleicht wichtigste Tech-Thema unserer Zeit. Es gibt wohl keinen Bereich des politischen, wirtschaftlichen und gesellschaftlichen Lebens, der nicht das Potenzial hat, von KI grundlegend verändert zu werden. Gleichzeitig gibt es bei diesem Thema viele Falschinformation und überzogene Erwartungen. Für das Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit dem internationalen Expertinnen-Netzwerk Miss AI, um gängige, teils falsche Vorstellungen zu entmystifizieren. Expertinnen und Experten der jeweiligen Felder – von Philosophinnen über Wissenschaftlerinnen bis zu Managerinnen – beantworten dabei in einer mehrteiligen Artikelreihe die großen Fragen zum Thema Künstliche Intelligenz, Machine Learning, Deep Learning und Co.

+++Mehr zum Thema AI & DeepTech+++

Im ersten Teil der Serie behandelten wir die Frage, was eigentlich Intelligenz (ganz allgemein) ist. Im zweiten ging es darum, ob Maschinen das menschliche Gehirn 1:1 kopieren können. Im dritten Teil widmen wir uns nun zwei der gängigsten Tech-Begriffe im Zusammenhang mit KI: Was ist Machine Learning? Und was ist Deep Learning? Und wie unterscheiden sich die beiden? Die Programmiererin und Mathematikerin Donata Petrelli un der Chatbot-Pionier Denis Rothman wählten bei der Beantwortung dieser Fragen sehr unterschiedliche Zugänge.


Bisher in der Serie „#unchAIn – Demystifying AI“ erschienen:


Was ist Machine Learning?

Petrelli: Die meisten haben als Kind wohl das Spiel „Blinde Kuh“ gespielt? Man ist mit verbundenen Augen in einem ausreichend großen Raum und muss es schaffen, die anderen im Raum zu finden und zu erkennen. Dabei hat das Kind mit verbundenen Augen keine Hinweise darauf, wo die anderen Kinder sind. Wenn es sich durch den Raum bewegt, muss es durch Tasten und Probieren die Umgebung verstehen, und letztlich die Mitspieler finden und erkennen. Machine Learning ist genau so ein Prozess, wie ihn das Kind mit verbundenen Augen im Raum durchführt.

Und um es etwas technischer zu definieren: Das maschinelle Lernen macht heute einen großen Teil des Bereichs Künstliche Intelligenz aus. Es umfasst mehrere Methoden zur Analyse und Erkennung von Daten und deren Beziehungen zueinander – oft zu Vorhersagezwecken. Alle diese Verfahren haben das Ziel, ohne initiale Kenntnisse sondern durch Erfahrung, eine Umgebung mit ihren Elementen und den Beziehungen zwischen ihnen, zu erkennen. Zu den bekanntesten Verfahren gehört das Modell der künstlichen neuronalen Netze, die die Struktur des menschlichen Gehrins simulieren.

Rothman: Machine Learning ist ein Teilbereich der Künstlichen Intelligenz. Nicht Machine Learning-basierte Algorithmen sind im Allgemeinen regelbasiert. Also etwa:

wenn X dann Y

Sowohl X als auch Y enthalten dabei viele Werte wie etwa ein Set von Daten. Das maschinelle Lernen kann die richtigen Werte „lernen“, um ein Ergebnis zu produzieren. Dabei gibt es keine Regel! Wir wollen etwa die Lösung finden für die Gleichung:

Y=aX + b

Wir müssen also die Werte von a und b finden, um die Gleichung lösen zu können. Daher probieren wir alle möglichen Werte von a und b aus. Das passiert oftmals nach dem Zufallsprinzip, um zu sehen, welche Werte am besten passen. Da wir leistungsstarke Computer haben, funktioniert das auch. Wir benutzen dazu viele Arten von Algorithmen, etwa Clustering und Regression. Jeder Algorithmus f sucht dabei nach den richtigen Werten, nach dem Prinzip:

f(Y)=aX+b

Die jeweiligen Algorithmen können dann jeweils für bestimmte Aufgaben genutzt werden, etwa eine Vorhersage, ob es nächste Woche regnen wird oder was die beste Route ist, um von Ort A nach Ort B zu gelangen usw.

Und was ist der Unterschied zu Deep Learning?

Rothman: Deep Learning ist wiederum ein Teilbereich des maschinellen Lernens. Es erweitert das Prinzip um „Layers“. Man kann es in Fällen nutzen, wo die Ermittlung des Werts Y schon deutlich komplexer ist. Nehmen wir dazu wieder eine Funktion f heran, wo es nun aber viele Schritte gibt:

f(Y)= f5(f4(Xf(3Xf(2Xf(X))

Das wirkt etwas verrückt? Als Mensch macht man das aber jeden Tag. Wenn man etwa gebeten wird, ein Gesicht in einem Bild mit 30 Gesichtern zu finden (wie z.B. auf einem Klassenfoto), dann macht man (unbewusst) ungefähr folgendes:

  1. Man versucht, die Gesichter vom Hintergrund zu isolieren.
  2. Dann sieht man sich die Form der Gesichter an.
  3. Dann die Farbe der Gesichter.
  4. Dann auch die Größe einer Person.
  5. Dann trifft man endlich eine Entscheidung und sagt: „Das ist die Person, die ich suche!“

Deep Learning tut dies automatisch, indem es die jeweils richtigen Werte von a und b findet, um jede Schicht von f(Y)=aX + b zu ermitteln.

Petrelli: Deep Learning ist eine Verstärkung der Methoden des Machine Learning, insbesondere der neuronalen Netze. In diesem Fall ist das Modell ausgefeilter, da die Resultate das Ergebnis der Ausarbeitung strukturierter Konzepte sind, die sich aus den Basis-Konzepten ableiten.

Um eine Analogie zu bringen: Die Gewinnung von Informationen durch ein Deep Learning-Modell im Vergleich zu einem Machine Learning-Modell ist wie jene eines Erwachsenen verglichen mit jener eines Kindes, das noch weitere Entwicklungsstufen vor sich hat.

⇒ Zur Page von Ms. AI

Redaktionstipps

Martin Pacher

Anyline: So möchte das Wiener Scaleup trotz Coronakrise & Kurzarbeit weiterwachsen

Das Wiener Scaleup Anyline lud den brutkasten ins Wiener Headquarter ein, um über die aktuellen Auswirkungen der Coronakrise auf das Geschäftsmodell des Unternehmens zu sprechen. In einer Brutkasten-Talkrunde, bei der auch Wirtschaftsministerin Margarete Schramböck und Business Angel Hansi Hansmann anwesend war, erläuterte Anyline Gründer Lukas Kinigadner, wie er trotz Kurzarbeit und einem Überbrückungskredit das Unternehmen auf Wachstumskurs halten will.
/anyline-so-mochte-das-wiener-scaleup-trotz-coronakrise-weiterwachsen/
Anyline
In einem Brutkasten-Talk im HQ von Anyline erläuterte Gründer Lukas Kinigadner, wie sein Unternehmen derzeit die Krise meistert | (c) der brutkasten

Das Wiener Scaleup Anyline zählt zu den Aushängeschildern der österreichischen Startup-Landschaft. Anfang des Jahres hat sich das auf Optical-Character-Recognition-Anwendungen spezialisierte Unternehmen in einer Series-A-Finanzierungsrunde ein Investment in der Höhe von zwölf Millionen US-Dollar gesichert – der brutkasten berichtete.

Gründer und CEO Lukas Kinigadner erläuterte damals dem brutkasten in einem Hintergrund-Talk, dass das frische Kapital nicht nur für die ambitionierten Wachstumspläne am europäischen, sondern auch am US-amerikanischen Markt eingesetzt werden sollte. Teil dieser Internationalisierung war die Eröffnung eines US-Firmensitzes in Boston und die Gründung einer eignen US-Gesellschaft namens Anyline.Inc.

Anyline und die Coronakrise

Im Rahmen der Series-A-Finanzierungsrunde hat sich Anyline damals ein klar definiertes Skalierungs-Ziel gesetzt, das eine Verdreifachung des Umsatzes und die Verdoppelung der Mitarbeiterzahl vorsieht.

Wie Kinigadner diese Woche im Rahmen eines Firmen-Events im Wiener Headquarter erläuterte, musste Anyline aufgrund der Coronakrise die Geschwindigkeit der Expansion allerdings zurückfahren.

„Die Auswirkungen der Coronakrise haben wir insbesondere im Neukundengeschäft gespürt, mittlerweile sehen wir aber wieder Licht am Ende des Tunnels“, so Kinigadner in einem Talk, der vom brutkasten moderiert wurde und bei dem auch Wirtschaftsministerin Margarete Schramböck und Business Angel Hansi Hansmann teilnahmen – im Talk diskutierten Hansmann und Schramböck unter anderem kontrovers über das Investitionskontrollgesetz und das Startup-Hilfspaket.

Bestandskunden-Geschäft läuft weiter

Im Gegensatz zum Neukundengeschäft gab es laut Kinigadner beim Bestandskundengeschäft keine größeren Einbrüche zu verzeichnen. Zu den Kunden zählen „krisenresistente Organisationen“, wie Polizeiorganisationen, aber auch die österreichische Verwaltung, die beim „Digitalen Amt“ auf die Texterkennungssoftware von Anyline zurückgreift.

„Wir haben das Glück, dass unsere Technologie enorm gefragt ist, und wir die Auswirkungen der Coronakrise bei unseren Bestandskunden nicht so stark spüren. Ein Pivot des Geschäftsmodells war – im Gegensatz zu vielen anderen Firmen – somit nicht notwendig“, so Kinigadner.

Zudem konnten mittlerweile die Büroräumlichkeiten wieder geöffnet und die Aktivitäten im Marketing- und Sales-Bereich aufgenommen werden.

Kurzarbeit und Überbrückungskredit

Trotz des „Lichts am Ende des Tunnels“ musste auch Anyline aufgrund des Rückgangs beim Neukundengeschäft um Kurzarbeit ansuchen. Zudem beantragte das Unternehmen über die aws eine Überbrückungsgarantie für einen Kredit. In Summe sollen so 1,4 Millionen Euro aufgestellt werden, um das Unternehmen durch die Zeit der Coronakrise zu führen.

Wie Kinigadner im Talk weiters erläutert, hätte er sich natürlich auch gewünscht, das Startup-Hilfspaket in Anspruch nehmen zu können. Dies ist jedoch nicht möglich, da Anyline bereits im Jahr 2013 gegründet wurde und somit nicht mehr unter die „5-Jahres-Regel“ fällt.

Anyline Series-B-Finanzierungsrunde

Eine ursprünglich für Ende 2020/Anfang 2021 geplante Series-B-Finanzierungsgrunde wird sich höchstwahrscheinlich nicht mehr ausgehen und nach hinten verschieben. Kinigadner führt dies auf die aktuelle Lage der VC-Landschaften zurück.

Die Wachstumspläne sollen allerdings weiter forciert werden und es befinden sich bereits neue Produkte in der Pipeline, die noch 2020 gelauncht werden sollen. „Wir sehen aktuell das Window of Opporutniy Anyline zum Markführer zu machen und wollen dies bestmöglich nutzen“, so Kinigadner abschließend.


=> zur Page des Scaleups

Redaktionstipps
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.
Möchtest du in Zukunft mehr von diesen Artikeln lesen?

Dann melde dich für unseren Newsletter an!

Leselisten zum Schmökern

Neueste Nachrichten

jungesgeld
07.08.2020

Summary Modus

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

Künstliche Intelligenz (KI): Was ist Machine Learning? Was ist der Unterschied zu Deep Learning?

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

Es gibt neue Nachrichten

Auch interessant