Viele Menschen denken, dass ein einfacher Rasenmäherroboter bereits künstliche Intelligenz enthält. Um zu verstehen, was an dieser innovativen Technologie eigentlich die künstliche Intelligenz ist, bedarf es gewisser analytischer Fähigkeiten.

KI analysieren und verstehen

Im Microsoft AI.lab werden innovative Technologien mit künstlicher Intelligenz gesammelt. Probieren Sie drei ausgewählte Projekte aus, in denen Sie erfahren, was an einer technischen Umsetzung die künstliche Intelligenz ausmacht. Am Ende dieses Moduls finden Sie Beispielmaterial zum Testen.

Storytelling

In kürzester Zeit kreiiert KI drei verschiedene Geschichten unterschiedlicher Genres anhand nur eines hochgeladenen Bildes - eine Kombination aus Bildanalyse und Auswertung von Bildunterschriften macht es möglich.

Mithilfe von 2000 Romanen wurde die künstliche Intelligenz 2 Wochen lang trainiert. Jeder Abschnitt eines Romans wurde auf einen sogenannten Skip-Thought-Vektor gemappt, um Gedanken in einem Vektorraummodell abbilden zu können. So können nicht nur Wörter erkannt, sondern auch ihre Bedeutung im Kontext umliegender Sätze in dem Modell abgebildet werden.

Style Transfer

Mit KI lassen sich Stile von Bildern erfassen und auf beliebige andere Bilder übertragen. Ähnlich wie Sie es möglicherweise von Foto-Filtern auf dem Smartphone kennen, können Sie Ihr Bild jetzt im Stil namhafter Künstler wie Picasso und Van Gogh erscheinen lassen.

Bei der Durchführung eines Style-Transfers wird ein Eingabebild an eine Funktion in einem Code übergeben, die ein Deep-Learning-Modell zur Veränderung Ihres Bildes verwendet. Diese Lernmethode ist eine Teildisziplin des Machine Learnings, die große Datenmengen verarbeiten kann und vorstellbar wie eine Fertigkeit, die der Computer anhand von beispielhaften Eingabedaten gelernt hat.

Machine Reading

Inzwischen können wir dank künstlicher Intelligenz schnell und einfach inhaltliche Fragen zu Texten stellen. Binnen Sekunden erhalten wir eine Antwort.

Das sogenannte Machine reading Comprehension (MRC) erfordert komplexe Wechselwirkungen zwischen Kontext und Frage. Bei der neuartigen neuronalen Netzwerkarchitektur ReasoNet wird menschliches Schlussfolgern nachgeahmt. Die KI liest ein Dokument wiederholt durch und widmet sich in jedem Durchgang verschiedenen Teilen eines Dokuments bis eine zufriedenstellende Antwort gebildet werden kann.