Was ist Google Brain?
Im Oktober 2016 machte eine Meldung Furore: Zwei von Googles Netzwerken sei es gelungen, ihre Kommunikation untereinander selbständig kryptografisch abzuschotten und damit abhörsicher zu machen – ohne dass ein Mensch genau weiß, wie sie das angestellt haben. Wie ist das möglich? Die Antwort lautet: Maschinelles Lernen.
Gemeinsam mit der Stanford University arbeiten Mitarbeiter von Googles Mutterkonzern Alphabet am sogenannten Google Brain. Das künstliche, computergestützte Gehirn setzt sich aus einer Milliarde Synapsen zusammen. Synapsen, die im Fall des Google Brain von rund 1000 CPU-Servern mit insgesamt 16.000 Kernen simuliert werden. Jede Menge Rechenpower also, um die Funktionen eines menschlichen Gehirns nachzuahmen. Dennoch reicht es an die Komplexität seines organischen Vorbilds lange nicht heran. Die Künstliche Intelligenz bringt es gerade einmal auf die Zahl der Synapsen im Gehirn einer gewöhnlichen Honigbiene. Das menschliche Gehirn hingegen verfügt über 100 Milliarden Neuronen mit jeweils 1000 neuronalen Verbindungen – kein Rechenzentrum kann bis jetzt eine solch immense Rechenleistung aufbringen oder mit unserem hocheffizienten System der Energieerzeugung mithalten – dem Stoffwechsel. Von der Intelligenz und der Lernfähigkeit eines Menschen ist das CPU-basierte Superhirn Google Brain also noch weit entfernt.
Maschinelles Lernen: Künstliche Intelligenz braucht Zeit
Es ist das neue Lieblings-Buzzword der Technikszene: Das maschinelle Lernen. Doch was wird eigentlich darunter verstanden und welche praktischen Anwendungen gibt es dafür? Künstliche Intelligenz muss in der Forschung genauso wachsen wie die menschliche sich über die Jahre hinweg entwickelt. Dabei wird den Computern jede Menge abverlangt. Ihre Aufgabe ist es, innerhalb eines fest definierten Lernzeitraums aus Beispielen zu lernen und danach allgemeine Schlüsse aus diesen zu ziehen. Konkret untersucht das Rechenhirn beispielsweise eine Menge Bilder und stellt schließlich Gemeinsamkeiten zwischen ihnen fest. Die Künstliche Intelligenz lernt so etwa, Bilder von Hunden zuverlässig von Bildern von Katzen zu unterscheiden.
Welche Anwendungen sind mit maschinellem Lernen möglich?
Googles Ziele für die Forschung rund um das Google Brain-Projekt sind klar gesteckt: Maschinen intelligent machen, das Leben der Menschen verbessern. Und wie soll das konkret aussehen? Maschinen sollen intelligenter werden, indem sie ihre eigene Funktion selbst erlernen und zugleich Daten und Rechenleistung so effizient wie möglich einsetzen. Zu diesem Zweck stellt das Google Brain-Team Technologien rund um das Thema maschinelles Lernen anderen Entwicklern als Service in der Google-Cloud zur Verfügung.
Google Brain ersinnt Details aus Pixelmatsch
In der Vergangenheit hat das Forscherteam um Google Brain der Öffentlichkeit bereits Einblicke in die Fähigkeiten des Supercomputer-Netzwerks gewährt. Anfang des Jahres wurde beispielsweise eine neue Software vorgestellt, die aus klitzekleinen, verpixelten Quellbildern detaillierte Darstellungen erstellt. Lächeln Sie immer ungläubig, wenn die Darsteller in Crime-Serien wie CSI wie wild in Fotos hineinzoomen und doch noch die kleinsten Details erkennbar machen? Mithilfe von Google Brain ist diese Szenerie tatsächlich Realität geworden.
Wie ist es möglich, dass Google Brain Bilddetails in diesem Pixelmatsch ausfindig macht? Die Software bedient sich dazu zweier neuraler Netzwerke. Das erste Netzwerk versucht, die 8x8 Pixel großen Quellbilder gegen andere, hochaufgelöste Bilder abzugleichen. Dazu rechnet es diese auf 8x8 Pixel herunter. Ziel des zweiten Netzwerks ist es dann, dem 8x8 Pixel großen Originalbild Details hinzuzufügen und es so in eine höhere Auflösung zu überführen. Dazu nimmt es die Vergleichsbilder des ersten Netzwerks zum Vorbild. Natürlich entspricht das Ergebnis einer solchen Software nicht der Realität – Google Brain rät gewissermaßen lediglich auf hohem Niveau.
Neuronale Netze im Smart Home
Künstliche Intelligenz gilt als nächster Entwicklungsschritt im Bereich des Smart Home. Kaum ein Produkt kommt heute noch ohne Support für digitale Assistenten wie Siri, Alexa oder der im Google Home integrierte Google Assistant auf den Markt. Die vermeintliche Künstliche Intelligenz erweist sich auf bisher jedoch als sehr limitiert: Sie reagiert ausschließlich auf festgelegte Kommunikationsmuster, mit Abweichungen kann sie kaum umgehen. Von maschinellem Lernen und adaptiven Verhalten ist sie tatsächlich weit entfernt.
Projekte wie Google Brain zeigen, wie schwierig es sein wird, eine verbrauchertaugliche Künstliche Intelligenz zu erschaffen. In einem im Juli 2016 veröffentlichten Beitrag zu Sicherheitsproblemen im Zusammenhang mit Künstlicher Intelligenz zählten Mitglieder des Google Brain-Forschungsteams die konkreten Herausforderungen auf:
- Maschinen könnten Schäden anrichten, um schneller zu arbeiten
- Sie benötigen eine Form von menschlichem Überblick
- Sie müssen lernen, sich verschiedenen Umgebungen anzupassen
- Ihr Lernprozess muss auf eine für Mensch und Umwelt sichere Art und Weise ablaufen
Wenn das Thema Künstliche Intelligenz allerdings weiterhin so präsent auf der Agenda großer Unternehmen bleibt, kann mit signifikanten Fortschritten in der Entwicklung gerechnet werden. Gerade im Bereich Smart Home wird es spannend sein zu sehen, welche technologischen Neuerungen die Forschung rund um das Thema maschinelles Lernen mit sich bringt.
Mehr Infos und Trends zum Smart Home
Die mit * gekennzeichneten Links sind sogenannte Affiliate Links. Kommt über einen solchen Link ein Einkauf zustande, werden wir mit einer Provision beteiligt. Für Sie entstehen dabei keine Mehrkosten.
Wir haben Kooperationen mit verschiedenen Partnern. Unter anderem verdienen wir als Amazon-Partner an qualifizierten Verkäufen.
