Cannes 2017: Maschinelles Lernen für alle

Bei den Cannes Lions 2017 hielt David Singleton, VP of Engineering bei Google in London, auf der Palais-Bühne einen Keynote-Vortrag, in dem er seine Perspektiven zu den neuesten Entwicklungen im maschinellen Lernen vorstellte.

Maschinelles Lernen macht unsere Welt ein wenig intelligenter und zeigt uns die richtigen Antworten auf komplexe Probleme – vom Klimawechsel bis hin zu Bildungsfragen. Wir bei Google investieren schon seit geraumer Zeit in das maschinelle Lernen, und heute wird diese Technologie in fast allen unseren Anwendungen eingesetzt. Mit dieser Technik haben wir bestehende Produkte wie YouTube und Google Übersetzer komplett überarbeitet und ganz neue Angebote wie z. B. Google Assistant ermöglicht. Aber neben Google nutzen auch andere Tochterunternehmen von Alphabet Inc. das Potenzial von maschinellem Lernen und künstlicher Intelligenz, um die brennenden Fragen unserer Zeit zu lösen wie z. B. bei der Krebserkennung, beim Kampf gegen Cyber-Mobbing und beim Umgang mit knappen Energiequellen.

Doch werfen wir zunächst einen Blick zurück. Maschinelles Lernen und künstliche Intelligenz erhalten im Moment viel Aufmerksamkeit und werden durch hohe Investitionen gefördert, doch es handelt sich gar nicht um ganz neue Technologien. Als ich in den Neunzigerjahren in Cambridge studierte, hatte ich bereits einen Kurs in "Neuronalem Computing" belegt. Doch das Forschungsfeld ist sogar einige Jahrzehnte älter als meine Studienzeit: Die ersten statistischen Modelle, mit denen die Arbeit des menschlichen Gehirns dargestellt wurde, wurden schon in den 1950er-Jahren entwickelt. Zu der Zeit waren sie noch sehr simpel, aber dank der jüngsten Entwicklung von neuronalen Netzwerken, Cloud-Computing und der Erfassung riesiger Datensätze, hat sich das maschinelle Lernen von einer interessanten Sammlung von Theorien und Algorithmen zu einem wahren Schatz an nutzbaren Technologien entwickelt.

Im Kern ist maschinelles Lernen ein Weg der Problemlösung. Während des ersten Computerzeitalters bestand Software aus Regeln, mit denen eine Eingabe in eine gewünschte Ausgabe umgewandelt wurde. Doch in der Unordnung der realen Welt, die nur selten geordneten Mustern entspricht, geraten diese regelbasierten Systeme in Schwierigkeiten. Maschinelles Lernen geht das Problem von der anderen Seite an: Ein Algorithmus "lernt", seine eigenen Regeln zu erkennen, indem er riesige Datensätze nach Mustern und Ähnlichkeiten durchsucht. Bei richtigen Anwendungen gibt es zahlreiche Optionen. Sie reichen von der Identifizierung der Fotos auf Ihrem Smartphone, auf denen Katzen und Hunde zu sehen sind, bis hin zur Optimierung der Kühlung in einem Rechenzentrum.

Dank der Möglichkeit, riesige Datensätze zu analysieren, können mit maschinellem Lernen und künstlicher Intelligenz Probleme gelöst werden, die ein Mensch allein – oder selbst mehrere Menschen auf einmal – nicht bewerkstelligen können. Vieles, was über den Umfang und das Potenzial dieser Technologien gesagt wird, klingt erst einmal ziemlich Furcht einflößend. Aber letztendlich sind es doch nur Tools, mit deren Hilfe wir immer größere Aufgaben bewältigen können. Dank der Unterstützung durch maschinelles Lernen und künstliche Intelligenz werden wir mit unserer menschlichen Intelligenz in all ihrer Unvorhersehbarkeit und Kreativität noch weiter in die Zukunft blicken und mehr Möglichkeiten haben.

Zahlreiche Teams bei Google erforschen das Potenzial maschinellen Lernens in den Bereichen KreativitätKunst und Musik, aber das vielleicht beste Beispiel für unsere Bestrebungen ist Google Assistant. Hierbei handelt es sich um einen geräteübergreifenden Assistenten auf der Grundlage künstlicher Intelligenz, der Ihren Alltag ein bisschen einfacher – und unterhaltsamer! – macht. Google Assistant lernt, wer Sie sind, woran Sie Interesse haben und sogar, welche Mannschaft Sie unterstützen. Mithilfe dieser Daten erhalten Sie im Laufe des Tages immer dann interessante Informationen, wenn Sie sie benötigen. Dank maschinellem Lernen und der Verarbeitung natürlicher Sprache können Sie – genauso wie mit einem echten Menschen – eine Unterhaltung mit Google Assistant führen. Und diese Funktion wird bereits häufig verwendet: 70 % aller Anfragen werden in natürlicher Sprache gesprochen und nicht mehr mithilfe von Begriffen ins Suchfeld eingegeben.

Assistant ist auf mehr als 100.000 Geräten wie Android-Smartphones, der Google-Startseite, dem iPhone und Android Wear verfügbar und wird bald für viele andere Umgebungen wie Autos und Smart-TVs erhältlich sein. In Zusammenarbeit mit großen Marken wie Spotify, Netflix und eBay, die in die Plattform investieren, erstellen zahlreiche Entwickler Apps und Aktionen für Assistant, die weit über eine einfache Suchfunktion hinausgehen. Die Möglichkeit, ein persönliches Gespräch mit den Kunden zu führen, ist für viele Marken ein Traum, der sich mit Google Assistant und der geballten Power von maschinellem Lernen und künstlicher Intelligenz verwirklichen lässt.

Auch für andere Unternehmen der Alphabet-Gruppe spielt maschinelles Lernen im Bereich der Kommunikation eine wichtige Rolle. Jigsaw ist ein Alphabet-Unternehmen mit Richtlinienexperten, Entwicklern, Wissenschaftlern und Spezialisten für künstliche Intelligenz, die alle herausfinden möchten, wie wir die Welt mithilfe von Technologie sicherer machen können. Das Team ist hoch motiviert, globale Sicherheitsprobleme wie z. B. Onlineradikalisierung, "Fake News" und Onlinezensur zu lösen. Das erste Produkt des Unternehmens, Perspective, zielt auf eine der größten Herausforderungen für Internetcommunities ab: unhöfliches Verhalten von Nutzern und böswillige Kommentare.

Die meisten Internetnutzer haben schon von Mobbing im Netz gehört, und etwa die Hälfte aller Webbesucher war selbst schon Opfer von Belästigungen. Die Algorithmen für das maschinelle Lernen in Perspective haben sich mithilfe der Datensätze von Partnern wie der New York Times selbst trainiert und erkennen böswillige Sprache, die andere Nutzer davon abhält, an Diskussionen teilzunehmen. Über die Perspective API können Publisher jeden Kommentar mit einem "Böswilligkeitswert" versehen und somit Unterhaltungen zuverlässig und skalierbar überwachen und filtern. Zivilisierte Beiträge und Meinungen werden somit gefördert. Vor der Implementierung von Perspective hatte die New York Times nur bei 10 % aller Inhalte Kommentare zugelassen. Doch dank der neuen Technologie werden für immer mehr Top-Storys Kommentare und Leserhinweise freigegeben. Das Ziel ist es, dass 100 % aller Artikel kommentiert werden dürfen.

Doch auch jenseits der Alphabet-Familie sorgen wir für die Weiterentwicklung der Branche und stellen deshalb Unternehmen und Forschern einige der grundlegenden Komponenten unserer Technologie zum maschinellen Lernen zur Verfügung. Zum einen bieten wir mit Google CloudML eine Reihe von APIs an, über die jeder mit einfachem maschinellem Lernen in der Google Cloud arbeiten kann. Zum anderen können Einzelpersonen, Institutionen und Unternehmen mit TensorFlow, unserer Open Source-Bibliothek für maschinelles Lernen, eigene Projekte basierend auf dieser Technologie entwickeln.

Dank dieser Tools konnten schon viele kleine und große Unternehmen viel Zeit sparen. Ob automatische Gurkensortierung in Japan oder das Entfernen von Wolkenformationen auf den Satellitenbildern bei Airbus Defence and Space: TensorFlow und CloudML haben bereits zahlreiche mühselige und komplexe Aufgaben gelöst. Und dadurch haben Mitarbeiter mehr Zeit für Aufgaben, die Fantasie und Kreativität erfordern und somit nicht ohne menschliche Intelligenz auskommen.

Ich bin absolut überzeugt, dass das maschinelle Lernen ein riesiges Potenzial hat. Jeden Tag arbeiten qualifizierte und motivierte Menschen auf der ganzen Welt an wichtigen Problemen in allen Bereichen – vom Klimawandel über die Luftfahrt bis hin zur Bildung. Mit der Unterstützung von Tools für das maschinelle Lernen werden sie Lösungen finden, mit denen unsere Welt ein deutlich besserer Ort wird.

Cannes 2017: Superhelden gesucht – Storytelling und die Flüchtlingskrise