Deep Learning und KI

Künstliche Intelligenz ist ein Teilgebiet der Informatik, das bestimmte Aspekte des menschlichen Denkens auf Computer überträgt: zum Beispiel Lernen, Urteilen und Problemlösen. Ausgefeilte Algorithmen können in unstrukturierten Datensätzen wie Bildern, Texten oder gesprochener Sprache Muster erkennen und anhand dieser Entscheidungen selbstständig treffen. Zum Einsatz kommen dabei zum Beispiel Machine Learning und Deep Learning.
Beim Machine Learning nutzen die IT-Systeme vorhandene Daten, um Muster und Gesetzmäßigkeiten zu erkennen und mit diesem Wissen Lösungen zu generieren. Eine besonders vielversprechende Methode des Machine Learning ist Deep Learning, das sehr tiefe neuronale Netze mit mehreren Ebenen und einem großen Datenvolumen nutzt.
Neuronale Netze, die mit Deep Learning-Verfahren erstellt werden, imitieren die Funktionsweise des menschlichen Gehirns. Künstliche Neuronen dienen als Speicher von Informationen und tauschen diese nach dem Vorbild biologischer Synapsen über Verbindungen zwischen den Neuronen einzelner Schichten und Regionen miteinander aus. Während der intensiven Lernphase erhalten die Neuronen Feedback, auf welche Weise sie zu einem aktuellen Ergebnis beigetragen haben. Über die Zeit verändern sie sich, wie auch die Verbindungen zwischen den Neuronen. Dadurch wird die Fähigkeit des gesamten neuronalen Netzes hinsichtlich Klassifikations- oder Approximationsaufgaben optimiert.
Deep Learning imitiert die Funktionsweise des menschlichen Gehirns durch die Bildung künstlicher neuronaler Netzwerke, wobei die künstlichen Neuronen, die miteinander über Schichten verbunden sind, angelernt werden müssen. Während der intensiven Lernphase erhalten die Neuronen Feedback, ob sie bei ihrer Beurteilung oder Klassifizierung richtig oder falsch liegen. Dadurch verändern sich die Verbindungen zwischen den Neuronen, denn die korrekten werden stärker, die fehlerhaften schwächer. So bildet sich langsam eine künstliche Intelligenz heraus und das neuronale Netzwerk entwickelt sich eigenständig weiter.
Für die digitale Bildverarbeitung bedeute dies einen enormen Fortschritt. Statt dem System in manueller und detaillierter Feinarbeit einzuprogrammieren, auf welche Merkmale es achten muss, um ein Objekt in einem Bild klar erkennen zu können, bringt man den Algorithmus dazu, selbst zu lernen, welches die relevanten Merkmale sind. Am Beispiel der Schrifterkennung von Klarschrift kann man dies gut nachvollziehen. Hier erhält der Algorithmus während der Lernphase Feedback, ob er hand-schriftliche Buchstaben richtig erkannt hat oder die Extraktion fehlerhaft war. So lernt er immer besser zu erkennen, was die spezifischen Kriterien sind, nach denen sich die einzelnen Buchstaben unter-scheiden. Das menschliche Gehirn leistet dieses Erkennen meisterhaft, doch können wir selten erklä-ren, warum wir genau wissen, welchen Buchstaben dieses handschriftliche Zeichen darstellen soll – selbst wenn es von der Norm abweicht.
Strelen hat in den vergangenen Jahren bereits eine Vielzahl an Deep-Learning-Projekten erfolgreich umgesetzt und bietet Ihnen folgende Produkte basierend auf Deep Learning:

• Safe-Ident OCR: Schrifterkennung
• Safe-Ident Label: Etikettenprüfung
Neben unseren eigenen Produkten bieten wir Ihnen außerdem Lösungen für Ihren ganz spezifischen Bedarf:

• Beratungsleistungen und Machbarkeitsuntersuchungen
• Komplette kundenspezifische Umsetzung von Deep-Learning-Implementierungen
• Portierung von Deep-Learning-basierten Lösungen auf KI-Hardware-Beschleuniger
Bildnachweis: © Strelen