Google Brain

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen

Google Brain ist die Deep-Learning-Abteilung (Feld von Maschinelles Lernen und Künstliche Intelligenz) von Google LLC.[1][2] Der Hauptsitz befindet sich in Mountain View in Kalifornien und hat weitere Sitze in Cambridge, London, Montreal, New York City, San Francisco, Toronto und Zürich.[2]

Geschichte[Bearbeiten | Quelltext bearbeiten]

Das Projekt wurde erstmals 2011 als ein Teilzeit-Forschungsprojekt von den Google-Mitarbeitern Jeff Dean, Greg Corrado und dem Professor der Stanford University Andrew Ng gestartet.[3][4][5] Große Aufmerksamkeit erhielt das Projekt erstmals im Juni 2012, als ein Computercluster aus 16 Tausend Computern, welches das menschliche Gehirn nachbilden sollte, erstmals eine Katze auf Basis von YouTube-Bildern erkannt hat.[5][6][7]

Aktionen und Forschung[Bearbeiten | Quelltext bearbeiten]

Gesundheits- und Todesvorhersage[Bearbeiten | Quelltext bearbeiten]

Google Brain versucht mit der Hilfe von Deep Learning den Todeszeitpunkt von Patienten zu ermitteln. Hierfür wurden zunächst 216.221 Akten von Patienten, die mindestens 24 Stunden stationär behandelt wurden von dem System untersuchen gelassen. So wurden aus den Akten und den dazugehörigen Arztberichten etwa 46 Millionen Datenpunkte entnommen. Die Daten erhielt das Forschungsteam von den Krankenhäusern „University of California San Francisco Medical Center“ und „University of Chicago Medicine“. Dadurch kann die Software eine Sterblichkeitsprognose im Krankenhaus, eine mögliche Wiederaufnahme innerhalb von 30 Tagen oder auch eine verlängerte Aufenthaltsdauer voraussagen. Somit können Entscheidungen von Ärzten bereits deutlich früher getroffen werden. Zudem ist die Software durch das künstliche neuronale Netz lernfähig und schneidet bisher am besten von vergleichbaren Software-Lösungen ab.[8][9][10][11][12]

Computerbewertung der Qualität und Ästhetik von Medien-Dateien[Bearbeiten | Quelltext bearbeiten]

Im Dezember stellt Google Brain das Neural Image Assessment (deutsch: neurale Bildbewertung) Google NIMA vor, welches in der Lage ist Bilder nach ihrer Ästhetik zu bewerten. Diese nutzt ein Deep Convolutional Neural Network und ist in der Lage eine subjektive Bewertung der Bilder abzugeben. Dabei ähnelte sie stark den von Menschen getroffen Entscheidungen und ist bisher die umfangreichste und fortgeschrittenste Software in diesem Bereich. So kann sie den Menschen bei der Suche helfen und größere Medien-Daten bereits filtern.[13][14]

Robotik[Bearbeiten | Quelltext bearbeiten]

2016 arbeitete Google Brain mit Google X zusammen um an selbstlernenden Robotern zu forschen. 2017 stellte Google die drei Ziele für neues Lernen der Roboter auf. Diese sollen durch verstärkendes Lernen, durch ihre eigene Interaktion mit Objekten und durch menschliche Demonstration erreicht werden.[15] Die Roboter sollen auch in der Lage sein komplexere Aufgaben als Industrieroboter zu lösen.

Android und weitere bekannte Google-Software[Bearbeiten | Quelltext bearbeiten]

Einige der erforschten und entwickelten Technologien werden bereits in Google-Produkten und dem Android-Betriebssystem verwendet. Dazu zählen beispielsweise die Spracherkennung,[16] die Fotosuche auf Google+[17] und die Video-Empfehlungen bei YouTube.[18]

Sprachverarbeitung[Bearbeiten | Quelltext bearbeiten]

Im September 2016 wurde Google Übersetzer auf ein künstliches neurales Netz umgestellt, welches eine genauere und menschenähnlichere Übersetzung ermöglichen und das manuelle eingeben der benötigen Wortdaten ersparen soll.[19][20]

Im Februar 2018 stellten Forscher von Google Brain einen Algorithmus vor, der Informationen aus mehreren Texten sammeln und extrahieren können soll, um damit Lexikonartikel in natürlicher Sprache und enzyklopädischer Form, zum Beispiel für Wikipedia, verfassen zu können. Allerdings schränken die Entwickler des Algorithmus ein, dass die Qualität noch deutlich von menschlichen Autoren abweiche, der Algorithmus Probleme bei vielen Quellen habe nicht in der Lage sei, zwischen vertrauenswürdigen und unglaubwürdigen Informationen zu unterscheiden.[21][22]

Siehe auch[Bearbeiten | Quelltext bearbeiten]

  • DeepMind (weiteres Unternehmen von Google Inc. für die Erforschung künstlicher Intelligenz)

Weblinks[Bearbeiten | Quelltext bearbeiten]

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. Research at Google. Abgerufen am 19. Februar 2018 (englisch).
  2. a b Research at Google. Abgerufen am 19. Februar 2018 (englisch).
  3. Greg Corrado, Senior Research Scientist, Google. RE.WORK Deep Learning Summit 2015, 20. Februar 2015, abgerufen am 19. Februar 2018.
  4. Using large-scale brain simulations for machine learning and A.I. In: Official Google Blog. Abgerufen am 19. Februar 2018 (englisch).
  5. a b John Markoff: In a Big Network of Computers, Evidence of Machine Learning. In: The New York Times. 25. Juni 2012 (nytimes.com).
  6. A Massive Google Network Learns To Identify – Cats. NPR.org, abgerufen am 19. Februar 2018.
  7. Laura Shin: Google brain simulator teaches itself to recognize cats. ZDNet, abgerufen am 19. Februar 2018.
  8. Alexander Armbruster: Neue Software im KI-Bereich: Wie Google den Tod vorhersagen will. In: Frankfurter Allgemeine Zeitung. 29. Januar 2018 (faz.net [abgerufen am 19. Februar 2018]).
  9. René Resch: Googles neue KI kann den Tod vorhersagen. In: PC-WELT. (pcwelt.de [abgerufen am 19. Februar 2018]).
  10. Dana Neumann: Googles künstliche Intelligenz sagt den Tod vorher. (futurezone.de [abgerufen am 19. Februar 2018]).
  11. Google behauptet: Wir wissen genau, wer das Krankenhaus nicht lebend verlassen wird – Video. In: Focus Online. (focus.de [abgerufen am 19. Februar 2018]).
  12. David Burger: Unheimlich aber innovativ: Googles neue KI kann den Tod vorhersagen. In: Chip Online. (chip.de [abgerufen am 19. Februar 2018]).
  13. Google: KI kann jetzt vorhersagen, ob Menschen ein Bild schön finden oder nicht. In: t3n News. (t3n.de [abgerufen am 19. Februar 2018]).
  14. Björn Bohn: Machine Learning: Googles NIMA kann die Qualität von Bildern bewerten. Abgerufen am 19. Februar 2018.
  15. The Google Brain Team – Looking Back on 2016. Research Blog, abgerufen am 19. Februar 2018.
  16. Speech Recognition and Deep Learning. In: Research Blog. Abgerufen am 19. Februar 2018 (englisch).
  17. Improving Photo Search: A Step Across the Semantic Gap. In: Research Blog. Abgerufen am 19. Februar 2018 (englisch).
  18. This Is Google’s Plan to Save YouTube. Abgerufen am 19. Februar 2018 (englisch).
  19. Zero-Shot Translation with Google’s Multilingual Neural Machine Translation System. Research Blog, abgerufen am 19. Februar 2018.
  20. Google uses neural networks to translate without transcribing. In: New Scientist. (newscientist.com [abgerufen am 19. Februar 2018]).
  21. Künstliche Intelligenz: Google Brain verfasst selbstständig Wikipedia-Artikel. heise online, abgerufen am 19. Februar 2018.
  22. Peter J. Liu, Mohammad Saleh, Etienne Pot, Ben Goodrich, Ryan Sepassi: Generating Wikipedia by Summarizing Long Sequences. 30. Januar 2018, arxiv:1801.10198 [abs].