Der Urknall des Deep Learning

Jedes Feld hat einen Wendepunkt. Für Deep Learning ist dieses Jahr 2012.

Vor 2012 hatte Computer Vision zu kämpfen. Forscher nutzten eine Datenbank namens ImageNet, um Systeme zu testen. Das Ziel war es, Bilder in 1.000 verschiedene Kategorien zu sortieren.

Jahrelang lagen die Fehlerraten bei etwa 25 %. Der Fortschritt stagnierte. Niemand wusste, wie es weitergehen sollte.

Dann änderte ein Team unter der Leitung von Alex Krizhevsky alles. Sie verwendeten ein Convolutional Neural Network (CNN).

Anstatt dass Menschen Regeln dafür schrieben, wie ein Bild aussieht, lernte das Netzwerk direkt aus den Pixeln.

Die Ergebnisse waren gewaltig. Sie halbierten die Fehlerrate innerhalb eines Jahres fast.

Dieser Wandel veränderte alles. Er brachte die KI aus den Forschungslaboren in die reale Welt.

Die Auswirkungen verbreiteten sich schnell:

  • Netflix nutzte es für bessere Empfehlungen.
  • Siemens und GE nutzten es für die medizinische Bildgebung.
  • Autohersteller nutzten es für autonomes Fahren.
  • Tech-Giganten wie Google und Apple integrierten es in jedes ihrer Produkte.

Dieser Erfolg basierte auf Hardware. Das Training dieser Netzwerke erfordert massive mathematische Berechnungen. GPUs, die ursprünglich für Videospiele entwickelt wurden, erwiesen sich als perfekt für diese Berechnungen. Dies trieb den Aufstieg von NVIDIA voran.

Aber denken Sie daran: Markttrends sind komplex. Das Wachstum von NVIDIA war auch mit dem Krypto-Mining-Boom verknüpft. Nehmen Sie niemals eine einzige Ursache für einen Marktwandel an.

Deep Learning eroberte auch die Welt der Spiele.

Schach wurde durch Brute Force gelöst. Go ist anders. Die möglichen Züge in Go sind zu zahlreich, als dass ein Computer sie zählen könnte. Im Jahr 2016 bewies AlphaGo, dass Deep Learning Strategien ohne menschliche Hilfe erlernen kann. Es lernte, indem es gegen sich selbst spielte.

Die Lektion ist einfach.

Alte Methoden scheiterten, weil Menschen die Regeln manuell programmieren mussten. Wir stießen an eine Grenze. Deep Learning durchbrach diese Grenze, weil Systeme nun ihre eigenen Muster aus Rohdaten lernen.

In dieser Serie werde ich meine Notizen aus meinem Deep-Learning-Kurs aufschlüsseln. Wir werden uns ansehen, wie diese Netzwerke tatsächlich funktionieren.

Als Nächstes werde ich erklären, was in einem Netzwerk passiert, wenn es lernt.

Quelle: https://dev.to/fahimu10/the-big-bang-of-deep-learning-how-2012-changed-everything-3lb3

Optionale Lern-Community: https://t.me/GyaanSetuAi