• Veröffentlicht: 24.11.2015
  • Auf SciViews seit: 08.03.2017
  • Sprache: englisch
  • Laufzeit:
    0:14:05
Künstliche Intelligenz

Maschinenlernen mit Tiefgang

Wie lernen die Algorithmen der Google-Tochter DeepMind aus Erfahrung? Auf der Falling-Walls-Konferenz gibt der Unternehmenschef einen – allerdings etwas vagen – Überblick.

Aus der SciViews-Redaktion

Im März 2016 landete das Unternehmen DeepMind einen echten Coup. Seine Künstliche Intelligenz Alpha Go besiegte in einem Duell einen der weltweit besten Go-Spieler. Schon 2015 erklärt Demis Hassabis, CEO der Google-Tochter, auf der Berliner Falling-Walls-Konferenz ihre Algorithmen: Sie lernen durch Versuch und Irrtum, machen also "Erfahrungen", sowie nach dem Prinzip des Verstärkenden Lernens.

In den nüchtern geratenen Vortrag mischt Hassabis auch Videos und Animationen. Weil er dennoch nicht für allzu tiefes Verständnis sorgt, hier eine Ergänzung. Beim Deep Learning imitieren künstliche Neuronen und Synapsen die Netzwerke im menschlichen Gehirn. Trainiert werden die künstlichen Netze mit riesigen Datensätzen. Sie analysieren einen Input, etwa den Spielzug ihres Go-Gegners, und leiten daraus einen vielversprechenden eigenen Zug ab. Ist dieser nicht erfolgreich – weil er zu einer schlechteren Stellung führt –, gewichten sie die Verbindungen zwischen Neuronen um. Solange, bis auch der Output passt.

Sehenswert ist das Video aber allemal, allein schon wegen des Vortragenden. Bereits 2014 waren im Netz beeindruckende Fakten über das Genie hinter Googles 400 Millionen-Dollar-KI-Tochter zusammengestellt.

Weblinks

Neuen Kommentar schreiben