AI - HSBA Vortrag 20170613 DE
Werbung
ArtificialIntelligence Wasist das?Waskann das? OlafErichsen Tech-DayHamburg 13.Juni 2017 Sehenwirhierbereits‚KünstlicheIntelligenz‘(AI)? Quelle:www.irobot.com 2017 HierarchiederBuzzwords Artificial Intelligence (KünstlicheIntelligenz) AnwendungvonHumanLogic, z.B.Experten-Systeme,A*Search AnwendungvonMachine Learning =>ausBeispielenlernen! KlassischeAnsätze, z.B.SupportVector Machines,NaiveBayes Deep Learning mitverschiedenen NeuralenNetzwerken Machine Learning:UnterschiedlicheLerntypen 1.Supervised Learning 2.Unsupervised Learning 3.ReinforcementLearning Houseprice prediction (regression) Imageclustering Trialand error Imageclassification Quellen:StanfordUniversity2011/2016sowieWashingtonUniversity2015 Cocktailparty problem (voice clustering) ZusammenhangDatenundPerformance(illustrativ) Performance Deep Learning(NeuronaleNetzwerke) KlassischeAnsätze(SVM,NaiveBayes) AnzahlBeispieldaten NeuronaleNetzwerke:DasmenschlicheGehirnalsVorbild Quelle:NicolasP.Rougier (2005) Quelle:Kts |Dreamstime.com (2011) So‚sieht’einDeep Neural Network Bildquelle:UnsupervisedLearningofHierarchicalRepresentationswithConvolutionalDeepBeliefNetworks”ICML2009&Comm.ACM2011 NeuraleNetzwerkewerdenimmerleistungsfähiger(#Neuronen) Quelle:www.deeplearningbook.org (2016) WaskannMachine Learning? Erzeugungneuer Beispiele Komplexität ÄhnlichzudenTrainingsdaten Maschinenübersetzung Verbindungenfeststellen SequenzvonSymbolenineine (andere)Spracheumwandeln GrammatischeStrukturen analysierenoderpixelweise Segmentierung ‚Density‘bestimmen ‚Denoising‘ ‚Imputation‘ WahrscheinlichkeitvonWerten bzw.Beispieleneinschätzen VorhersagesaubererBeispiele auskorruptenVersionen VorhersagefehlenderWerte Regression Transkription Klassifikation Anomalienerkennen Vorhersagenumerischer Werte Bild zuTextoder SprachezuText ZuordnungzuKategorien Ungewöhnlicheoderatypische Wertemelden Machine LearningistkeinSelbstzweck! Erzeugung neuer Beispiele Ähnlich zudenTrainingsdaten Maschinenübersetzung Verbindungen feststellen SequenzvonSymbolenineine (andere)Spracheumwandeln Grammatische Strukturen analysierenoderpixelweise Segmentierung ‚Density‘bestimmen ‚Denoising‘ ‚Imputation‘ Wahrscheinlichkeit vonWerten bzw.Beispielen einschätzen VorhersagesaubererBeispiele auskorrupten Versionen Vorhersagefehlender Werte Regression Transkription Klassifikation Anomalien erkennen Vorhersagenumerischer Werte Bild zuTextoder SprachezuText Zuordnung zuKategorien Ungewöhnliche oderatypische Wertemelden Gesellschaftliche undgeschäftliche Herausforderungen? BeispielBilderkennung [Klassifizierung | plusTransferLearning] Quelle:Nature(2017) Beispiel:Lippenlesen [Transkription,Dichtewahrscheinlichkeit,Denoising/Imputation] Quelle:https://www.technologyreview.com/s/602949/ai-has-beaten-humans-at-lip-reading Beispiel:Selbstlernende Interaktion mit derUmwelt [Erzeugung neuer Beispieldaten =>ReinforcementLearning] Geijtenbeek etal.FlexibleMuscle-BasedLocomotionforBipedalCreatures. SIGGRAPH,2013. 13 Takeaway HELDENKOMBINAT TakeAway • NichtvonBuzzwords abschreckenlassen TiefergehenundHintergründeerfragen/verstehenwollen. • ParadigmenwechselhinzurGeneralisierung MitMachine LearningausDatenundIterationenlernen. • Artificial Intelligence istwieElektrizität KeinSelbstzweck,sondernMittelzumZweck. MACHINE LEARNING HELDENKOMBINAT MACHINE LEARNING Fragen? OlafErichsen CEO Focus AI| MachineLearning Innovation&Strategy NewBusinessDevelopment olaf @heldenkombinat.com Wedeliveradvice, skillsandbusinessopportunitiesinall machinelearningplayingfields.
