Microsofts neuestes Deep-Learning-System schlägt Menschen – und Google

Microsofts Deep-Learning-System ist weit besser als Menschen und Google

Microsoft Research hat erneut eine neue Art von künstlicher Intelligenz namens Deep Learning entwickelt.

Das neue akademische Papier, Mitarbeiter im asiatischen Büro des Forschungsarms des Technologieriesen sagen, dass ihr neuestes Deep-Learning-System Menschen in einer Metrik übertreffen kann.

Laut dem Papier – „Die Microsoft-Kreation hatte eine Fehlerquote von 4,94 Prozent bei der korrekten Klassifizierung von Bildern im Jahr 2012 der weithin anerkannten ImageNet-Datenbank, verglichen mit einer Fehlerquote von 5,1 Prozent bei Menschen.“ Die Herausforderung bestand darin, Objekte in den Bildern zu identifizieren und dann die genauesten Kategorien für die Bilder aus 1.000 Optionen korrekt auszuwählen. Zu den Kategorien gehörten „Axt“, „Geysir“ und „Mikrowelle“.

Deep Learning ist ein Prozess, bei dem künstliche neuronale Netzwerke mit vielen Informationen aus Bildern, Audio und anderen Eingaben trainiert werden und dann den Systemen neue Informationen präsentiert werden, um daraufhin Schlussfolgerungen zu erhalten.

Einige Microsoft-Forscher, Kaiming He, Xiangyu Zhang, Shaoqing Ren und Jian Sun, schrieben gemeinsam in einem Papier, dass „soweit wir wissen, unser Ergebnis zum ersten Mal die berichtete menschliche Leistungsfähigkeit bei dieser visuellen Erkennungsherausforderung übertrifft.“

Die Forscher schrieben, dass „die Beobachter der künstlichen Intelligenz darauf achten sollten und Microsoft auch mehr Glaubwürdigkeit in Bezug auf Deep Learning eingeräumt werden sollte, wo Webunternehmen wie Google und Facebook um Talente konkurrieren.

Sie schrieben weiter, dass „obwohl unser Algorithmus ein überlegener Ergebnis auf diesem speziellen Datensatz produziert, dies nicht bedeutet, dass maschinelles Sehen die menschliche Sicht bei der Objekterkennung im Allgemeinen übertrifft.“ „Bei der Erkennung grundlegender Objekte wie der Pascal VOC-Aufgabe haben Maschinen immer noch offensichtliche Fehler in Fällen, die für Menschen trivial sind. Dennoch glauben wir, dass unsere Ergebnisse das enorme Potenzial von Maschinenalgorithmen zeigen, um die menschliche Leistungsfähigkeit bei der visuellen Erkennung zu erreichen.“

Die neue Technologie hat somit das preisgekrönte GoogLeNet-System von Google um 26 Prozent verbessert, da es mit einer Fehlerquote von 6,66 Prozent arbeitete, behaupten die Microsoft-Forscher.

Dieser Erfolg wurde durch das Programm von Microsofts Project Adam erzielt, das im letzten Jahr abgeschlossen wurde.

Weitere Details über das neue System sind im Papier (PDF) enthalten.