Artificial Intelligence

Googles KI schreibt bessere KI-Software als seine Entwickler

Googles AutoML-Projekt wurde als KI konzipiert, mit deren Hilfe man andere KI-Systeme entwickeln kann. Jetzt erschafft AutoML leistungsfähigere und effizientere Systeme als menschliche Entwickler.

02.11.2017 Quelle: t3n Cornelia Dlugos
AutoML-teaser

Im Mai stellte Google sein Machine-Learning-Projekt AutoML vor. Die KI soll den Mangel an hochqualifizierten Fachkräften im KI-Programming ausgleichen und neue KI-Systeme erschaffen und verbessern. Dabei führt das System tausende Simulationen durch, um die Teile eines Codes zu finden, die verbessert werden können, verbessert diese und fährt mit diesem Prozess fort.

Jetzt hat es ein AutoML-System geschafft, die menschlichen Entwickler zu übertreffen, wie Wired berichtet. Eine durch AutoML erzeugte KI stellte einen Rekord von 82 Prozent Genauigkeit bei der Kategorisierung von Bildern anhand des Inhaltes auf. Bei der Aufgabe, die Lage verschiedener Objekte in einem Bild zu markieren, erreichte die KI eine Quote von 43 Prozent – das beste von Menschen entwickelte System schaffte nur 39 Prozent.

Damit liefert Googles AutoML-Projekt bedeutende Ergebnisse, denn selbst bei Google verfügen nur wenige Mitarbeiter über die Fähigkeiten, derartige KI-Systeme der nächsten Generation zu entwickeln. Solche Prozesse zu automatisieren werde die Branche nachhaltig verändern. "Heutzutage werden sie noch von Machine-Learning-Experten handgefertigt und es gibt weltweit nur wenige Tausend Wissenschaftler, die das können", zitiert Wired den Google-CEO Sundar Pichai. "Wir wollen es hunderttausenden von Entwicklern ermöglichen."

Sind KIs die besseren KI-Entwickler?

Für künstliche Intelligenzen wird es zunehmend einfacher, komplexe Systeme zu entwickeln. Doch menschliches Eingreifen wird dadurch keineswegs überflüssig. Wie etwa der Chatbot Tay gezeigt hat, das KI häufig unbeabsichtigt Verbindungen zu negativen Stereotypen aufbauen – etwa auf Grundlage von ethnischen oder geschlechterspezifischen Identitäten. Menschliche Entwickler müssen hier also als Gatekeeper fungieren.

Während sie weniger Zeit für den Bau von KI-Systemen aufwenden müssen, bleiben ihnen mehr Ressourcen, diese zu überprüfen und zu verfeinern.

Artificial Intelligence Deep Learning RSS Feed abonnieren