Machine Learning überall?

Sehr gut! Das ist ein Freitagsthema, wo man sich herrlich drüber 
auslassen kann.

Für manche Branchen wird das unverzichtbar sein, aber in anderen wirst 
du es überhaupt nicht brauchen.

Eine Definition waere am Anfang immer nicht schlecht. Damit alle ueber 
das Gleiche reden.
Also was ist denn Machine Learning?

In welchem Bereich entwickelst du?

Im Embedded wird es noch eine lange Weile dauern bis das irgendwas 
übernimmt. Gewisse Regelungen kann man dadurch im Prinzip schon 
ersetzen, aber der Aufwand lohnt sich meist noch nicht. Man muss ja 
bedenken dass man diese dann erst aufwendig mit vielen Daten trainieren 
muss.

Es ist aber gut möglich dass Neuronale Netze als übergeordnete 
Strukturen z.B. in Fabriken zum Einsatz kommen und die embedded 
komponenten verwalten und optimieren indem sie den produktiven Einsatz 
der schon besteht, als Datenquelle verwenden.
An solchen Systemen arbeiten die großen Industrieutnernehmen wie Bosch 
bereits.

In Server-Basierten Diensten wie Spracherkennung aber auch Marktanalysen 
und anderen Automatisierungssystemen wo es um massive Datenmengen geht, 
hat das Thema definitiv jetzt schon Relevanz und wird da auch eher nicht 
wieder abflachen.


"Normale" Softwareentwickler wird man sicherlich trotzdem noch seeeehr 
lange in allen Bereichen brauchen. Wenn man sich auf Machine Learning 
spezialisiert kann es aber durchaus berufliche Vorteile oder mehr Geld 
bringen (sofern man nicht alles andere vernachlässigt).


Hypegenervter schrieb:
> Das ist alles alter Wein in neuen Schläuchen. An der Uni Stuttgart gab
> es den SNNS schon, da bestand Google noch aus Lego-Steinen.
Nungut viele der Algorithmen gibt es in der Tat schon zum Großteil seit 
den 80ern und 90ern, aber erst in den letzten 10 Jahren hat die Hardware 
die benötigte Leistungsfähigkeit erreicht um mit diesen Technologien 
wirtschaftlich arbeiten zu können!

Not deep, not neural, no network schrieb:
> Wo ist die Abgrenzung? Also, was erledige ich besser mit klassischer
> Programmierung, was eher mit ML? Oder ist ML universell genug, dass
> damit alles geht?
Du hast nicht wirklich Ahnung was Machine learning ist, kann das sein?

Feste Abgrenzung gibt es nicht - und Grenzen sind bekanntlich dafür da, 
überschritten zu werden ;)

Arbeite dich erstmal grob ein wenig ein. Die Algorithmen und Theorien 
musst du nicht alle kennen, denn es gibt Tools die man dann z.B. mittels 
Python scripte verwenden kann.
Am besten dokumentiert sind z.B. Gesichtserkenner oder Objekterkenner. 
Damit kann man anfangen denn du wirst viele Ressourcen im Netz finden.

Sobald du diese Grundprinzipien kennst, kannst du besser einschätzen wo 
das vieleicht Sinn macht.

Du musst dich aber nicht von fremden Grenzen aufhalten lassen! Das Thema 
ist noch immer neu und bei weitem nicht alles woran andere forschen, 
wird auch veröffentlicht.
Wenn du daran interessiert bist, pick dir einfach eine Problemstellung 
aus deienr gewohnten Arbeitsumgebung heraus (am besten eines das mit den 
üblichen Methoden eben verbesserungswürdige Ergebnisse liefert) und leg 
los. Überlege wie sich die Problemstellung so umbauen lässt, dass es 
sich durch Machine Learning angehen lässt.
Neben Neuronalen netzwerken eigenen sich oft sogenannte genetische 
Algorithmen noch für ein viel breiteres Spektrum an Problemen 
(insbesondere von Regelungen).

Wenn du geschickter Softwareentwickler bist, kannst du durchaus binnen 
ein paar Monate neben der Arbeit was interessantes erreichen, da du 
deine Arbeitsumgebung bereits gut kennst (und das besser als ein 
ML-Profi der sich erstmal in dein Thema einarbeiten muss).

Einen genetischen Algorithmus habe ich z.B. für ein Softwareprojekt an 
der Hochschule so entwickelt.

Not deep, not neural, no network schrieb:
> Alex G. schrieb:
>> Du hast nicht wirklich Ahnung was Machine learning ist, kann das sein?
>
> Nein, darum der Thread!
Und was ist der Sinn des Threads? >_>
Das Forum ist nicht dein persönliches Google!

Hypegenervter schrieb:
> Gruselig wird es, wenn konkrete Entscheidungen auf Machine  Learning
> basieren. Es gibt Firmen, die Scorings für die Vergabe von Krediten
> damit berechnen.
> Warum der Computer jetzt aber "nein sagt", das kann bei solchen
> Algorithmen keiner mehr beantworten. Es gibt schließlich keine
> Spezifikation, in der das Verhalten deterministisch beschrieben ist.
Wieso genau ist das gruselig?
Es ist midnestens genau so doof wenn das Ja oder Nein von der momentanen 
Stimmung des Mitarbeiters abhängt >_>

Des weiteren ändert sich das ein wenig. In der tat waren in den ersten 
paar jahren diese NN eine faszinierende Blackbox. Inzwischen kommt man 
durchaus dahinter was das System tut. Bei Grafik-Erkennungssystemen 
konnte man z.B. die Schlüssel-Formen extrahieren die das System zum 
Erkennen sich selbst beigebracht hat.
Das ist auch ein bedeutsamer Forschungszweig, denn das ermöglicht es, 
Wissen zwischen verschiedenen NNs zu übertragen und damit massiv das 
Lernen zu beschleunigen.

Also nein, die Welt wird nicht von, un-nachvollziehbaren Maschinen 
kontrolliert werden. Politiker haben die Hoheit darauf, Entscheidungen 
zu treffen die die breite Masse nicht versteht ;)

Hypegenervter schrieb:
> Das mag nun pessimistisch klingen, aber es wäre nicht die erste
> Technologie, die zwar sehr mächtig und vielversprechend ist, der
> Menschheit aber letztendlich über den Kopf wächst.
> Bei der Atomkraft hat man auch lange alle offensichtlichen Risiken
> ausgeblendet.
Faktisch ist sie nicht der Menscheit über den Kopf gewachsen.

Halte zwar erneuerbare Energiequellen auch zweifellos für die 
investierungswürdigere Alternative heutzutage, aber die Atomkraft hat zu 
Recht ihre Position in der Geschichte und hätten wir keine Erneuerbaren 
Energien, wäre sie die nächstbeste Alternative.
Es gibt inzwischen zahlreiche Sicherheitskonzepte (die es zur Zeit 
Tschernobyl und als auch die halbwegs modernen Reaktoren gebaut wurden, 
noch nicht gab)  und auch ganze Funktionsweisen wo die Kernschmelze 
selbst bei Versagen aller kontrolierend Systeme, gar ausgeschlossen 
werden kann.

Endlagerung ist spätestens in 200 Jahren technisches Fortschritts, kein 
Problem mehr. Bis dahin gibt es mindestens Weltraumaufzüge.
Durch "Brütreaktoren" kann man Materialien schon jetzt recyclen - 
Problem mit denen ist nur die politische Bedeutung mit Hinblick auf 
Atomwaffenpotential.

Es scheitert wie immer am Geld... Es hätte aber noch viel schlimmeres 
passieren können.

Stefan U. schrieb:
> Das sagte man schon vor 50 Jahren, und dennoch gibt es kein auch nur
> halbwegs akzeptables Endlager.
Wobei das an der Poltik und nicht an der Machbarkeit liegt.

> Sowohl die Regierungen der Welt als auch die Banken
> dürfen beliebig Geld drucken, je nach Bedarf. Und das tun sie auch.
>
> Es scheitert viel mehr an der Gier der Mächtigen und ihr Bedürfnis, 90%
> der Bevölkerung immer schon klein zu halten.
Ähh.. Okey, dann scheitert es am Willen, Ressourcen und Arbeitsleistung 
aufzuwenden >_>
Ob man Geld drucken kann oder nicht, ist natürlich irrelevant.

Eine Weltumspannende Gesellschaft hat es auf usnerem Planeten noch nie 
gegeben. Vollständig zusammenbrechen werden "wir" nicht mehr.

Nee ernsthaft, bedenke was sich in den letzten 100 Jahren getan hat und 
rechne das nochmal oder zweimal weiter! Wenn schon der Fortschritt mehr 
als linear verhält (wonach es aussieht) dann kannst du das gleich 
verzigfachen.

Des weiteren haben wir offensichtlich auch ohne Endlagerstätte kein 
ernsthaftes Problem, denn sonst wäre das ganze nicht mehr Wirtschaftlich 
(was jedoch nicht der Fall ist).

Not deep, not neural, no network schrieb:
> Bin ich bald von gestern oder legt sich das wieder? Ist der Einstieg in
> die Thematik zu meistern? Geht damit mehr, als Bilder zu klassifizieren?
> Wird ML bestehende Disziplinen ergänzen oder eher verdrängen?

Also auf den Finanzmärkten sind schon KIs im Einsatz.

Naja, dass man in zukunft nur noch frameworks nutzt und nicht mehr 
"programmiert" hat man schon in verwschiedenen Bereichen vor 20 Jahren 
gedacht. Bewahrheitrt, hat sich das nicht.
Nur vorgefertigtes zu verwenden führt nicht immer zum Ziel.

Man braucht schon etwas wissen darüber wie Tensorflow funktoniert um es 
sinnvoll einzusetzen. Natürlich wird nicht vom Entwickler erwartet dass 
er from scratch ein NN auf diesem Niveau entwickeln kann.

Ganz so doof sind unsere Unternehmen hier auch wieder nicht. Bosch 
investiert einige Millionen in den Bereich KI
Allerdings mussten sie mussten tief anfangen. So richtige, moderne 
Softwaregrößen haben wir hier in Europe in der Tat leider wenige bis 
nicht.
Denke aber KI wird ganz besonders eine Technologie sein die nicht 
wirklich patentrechtlich geschützt werden kann. Also können Unternehmen 
durchaus auch später einsteigen ohne komplett im Hintertreffen zu sein.
Im Moment wird auch praktisch jeder neue Ansatz per Paper publik gemacht 
(und da tut sich extrem viel). Die reale Technologien die Google und Co. 
im Moment einsetzen sind bereits einige Jahre alt, da man vom Ansatz, 
zum fertigen Algorithmus schon eine Weile braucht.

Was zielgerichtete Bündelung aller Kräfte angeht.. naja.. das brauchten 
die Amerikaner auch nicht.
Denke "Konkurenz belebt das Geschäft" ist der bessere Ansatz. Europa 
muss Allerdings Chancen und Freiheiten bieten damit diese Branche 
aufholen kann und fürchte genau die wurden durch den DSVGO Mist 
signifikant geschmälert.

Ein großes Problem bei selbstlernenden Systemen ist, dass sie ab einer 
gewissen "advancedness" reine BlackBoxes sind. Die kann man nicht 
einfach mal einem Review unterziehen, weil sie unter der Haube so 
komplex sind, dass kein Mensch ihre Funktionsweise im Detail 
nachvollziehen kann bzw. daraus Schlussfolgerungen ableiten könnte. 
Vielleicht machen die in 50 von 50 Tests sogar genau das, was man sich 
wünscht. Ein Sicherheitszertifikat bekommt man dafür trotzdem nicht.

Rainer Z. schrieb:
> Ein großes Problem bei selbstlernenden Systemen ist, dass sie ab einer
> gewissen "advancedness" reine BlackBoxes sind. Die kann man nicht
> einfach mal einem Review unterziehen, weil sie unter der Haube so
> komplex sind, dass kein Mensch ihre Funktionsweise im Detail
> nachvollziehen kann bzw. daraus Schlussfolgerungen ableiten könnte.
> Vielleicht machen die in 50 von 50 Tests sogar genau das, was man sich
> wünscht. Ein Sicherheitszertifikat bekommt man dafür trotzdem nicht.
Man arbeitet in diesem Bereich darum an sich schon mit 
Wahrscheinlichkeiten. Wie wahrscheinlich ist ein Fehlurteil?
Dies kann sehr wohl durch Simulieren von Inputwerten berechnet werden.

Wenn du dabei z.B. an autonomes Fahren denkst, muss im Endefekt nur die 
Wahrscheinlichkeit des Fehlurteils, geringer als der eines Menschen sein 
und schon hast du trotzdem ein sinnvolles System, ohne dass das System 
als "perfekt" gelten muss.

KI wird in Bereichen eingesetzt wo reguläre Algorithmen einfach an ihre 
Grenzen stoßen. Auch dort kann es recht schnell dazu kommen dass niemand 
mehr versteht was da geschieht weil Input aus so vielen Ecken kommt und 
die Entwicklung durch mehrere Leute, sich Schicht für Schicht 
übereinander gestapelt hat.
Manch ein Entwickler von Businesslogik kann ein Lied davon singen.


Für bestimtme Sachen werden aber natürlich auch in Zukunft "harte", 
"feste" Algorithmen verwendet werden.


DrIng schrieb:
> Süß. Bosch investiert ganz schwäbisch ein paar Millionen. Samsung
> investiert in der gleichen Zeit 18 Milliarden. Von Amazon, Google und
> co. mal gar nicht angefangen.
Bei diesen Summen fragt man sich echt einfach nur wohin das Geld geht.
Grad Software ist nichts in das du einfach Geld oder Resorucen 
reinschütten kannst um was zu erreichen.
Viele Forschungsfortschritte im KI bereich kommen übrigens weiterhin von 
Universitäten wo Professoren und Doktoranden mit durchschnittlichen 
Gehältern diese Leistungen vollbringen.

Es gibt noch etwas was man "höhere Gewalt" nennt. Das ließe sich 
durchaus hierdrauf anwenden.

Alex G. schrieb:
> Es gibt noch etwas was man "höhere Gewalt" nennt. Das ließe sich
> durchaus hierdrauf anwenden.

Wo soll höhere Gewalt im Spiel sein, wenn ein autonomes Fahrzeug 
jemanden auf einem Zebrastreifen plattmacht?

Stefanus F. schrieb:
> Nein, ein Mensch soll dafür bluten. Und wenn man nicht herausfindet, wer
> wirklich Schuld ist, dann muss es eben der Fahrzeughalter sein.
>
> So funktioniert jedenfalls unsere heutige Rechtsprechung. Ich finde, das
> passt nicht zu autonomen Systemen.

Kompletter Unsinn. Gerade so funktioniert die heutige Rechtsprechung 
NICHT. Sonst würden die Angehörigen die Strafe festlegen und nicht ein 
Richter.

Das sind wirklich die dümmsten Gründe gegen autonome Autos die man 
überhaupt vorbringen kann.


> Wo soll höhere Gewalt im Spiel sein, wenn ein autonomes Fahrzeug
> jemanden auf einem Zebrastreifen plattmacht?

Na so wie wenn ein Flugzeug wegen technischer Probleme abstürzt. Es 
handelt sich dann meist um eine komplexe Kette von Ereignissen die in 
der Gesamtheit nicht mehr auf eine einzige Ursache zurückzuführen ist. 
Umgangssprachlich: Dumm gelaufen.
Wenn ein autonomes Autos jemanden überfährt dann sieht es ähnlich aus.

Chris D. schrieb:
> Alex G. schrieb:
>> Es gibt noch etwas was man "höhere Gewalt" nennt. Das ließe sich
>> durchaus hierdrauf anwenden.
>
> Wo soll höhere Gewalt im Spiel sein, wenn ein autonomes Fahrzeug
> jemanden auf einem Zebrastreifen plattmacht?
Weil das System so gut war wie technisch möglich, besser als ein Mensch, 
es aber trotzdem passiert ist.
@cyblord
Am Ende wird ein Richter entscheiden, das ist wahr.
Oder was genau meinst du?

Alex G. schrieb:
>> Wo soll höhere Gewalt im Spiel sein, wenn ein autonomes Fahrzeug
>> jemanden auf einem Zebrastreifen plattmacht?
> Weil das System so gut war wie technisch möglich, besser als ein Mensch,
> es aber trotzdem passiert ist.

Das Problem dabei ist: wie weist man als Hersteller nach, dass es in der 
konkreten Situation besser war als ein Mensch?

Man kann bei den heutigen NN immer nur das Abrufen, was man ihnen vorher 
gezeigt hat.

Es werden aber viele Situationen auftreten, die das NN vorher noch nie 
hatte, die somit auch noch nie getestet und beurteilt werden konnten.

Chris D. schrieb:
> Man kann bei den heutigen NN immer nur das Abrufen, was man ihnen vorher
> gezeigt hat.
Nein grade so funktionieren NNs nicht. So funktionieren klassische 
Algorithmen die für Situation X geschrieben wurden.
Neuronale Netzwerke lernen prinzipien und Muster in ihren Input daten 
und verknüpfenndiese Muster mit der gewünschten, gegebenen Antwort.
Das ist doch grade was diese Systeme ausmacht. Sie abstrahieren Probleme 
damit der Entwickler sie nicht "manuel" definieren muss, was bei sowas 
wie autonomen Fahren, nicht möglich wäre.

> Es werden aber viele Situationen auftreten, die das NN vorher noch nie
> hatte, die somit auch noch nie getestet und beurteilt werden konnten.
Es tut dies auf ähnliche Weise wie ein Mensch, durch Anwenden von 
gelernten Prinzipien auf die neue Situation.

Alex G. schrieb:
> Neuronale Netzwerke lernen prinzipien und Muster in ihren Input daten
> und verknüpfenndiese Muster mit der gewünschten, gegebenen Antwort.
> Das ist doch grade was diese Systeme ausmacht. Sie abstrahieren Probleme
> damit der Entwickler sie nicht "manuel" definieren muss, was bei sowas
> wie autonomen Fahren, nicht möglich wäre.

Das ist mir bekannt, ändert aber nichts am grundsätzlichen Problem: sie 
können nur das, was man ihnen beigebracht hat. Und das eben sehr eng 
gefasst.

Das ist leider so: um einen auch nur halbwegs vernünftigen Output zu 
generieren, benötige ich viele tausende oder Millionen Zyklen und habe 
dann trotzdem einen sehr eng gefassten Output.

>> Es werden aber viele Situationen auftreten, die das NN vorher noch nie
>> hatte, die somit auch noch nie getestet und beurteilt werden konnten.
> Es tut dies auf ähnliche Weise wie ein Mensch, durch Anwenden von
> gelernten Prinzipien auf die neue Situation.

Offenbar macht ein Mensch das aber ganz anders, denn ich erkläre einem 
Kleinkind ein, maximal zwei Mal, was eine Straße ist und zeige ihm ein 
Foto - und es wird mir mit sehr, sehr hoher Wahrscheinlichkeit jede Art 
von Straße benennen können, seien es auch Sand- oder auch Eispisten, die 
es vorher noch nie gesehen hat.

Weil das Kind nicht nur eine sehr grobe optische Information speichert, 
sondern vor allem den Zweck, den eine Straße erfüllen muss.

D.h. das ein Mensch problemlos mit solchen sehr unscharfen Situationen 
und abstrakten Begriffen umgehen kann, weil er diese offenbar ganz 
anders verarbeitet als unsere heutigen NNs.

Und im Straßenverkehr hast Du eben genau solche unscharfen Situationen 
zu Hauf: Situationen, in denen Du Dich vorher noch nie befunden hast und 
die komplett anders sind als das, was Du in der Fahrschule gesehen hast.

Trotzdem kommt man damit als Mensch recht gut zurecht, wie der 
fliessende und die relativ wenigen Unfälle Verkehr zeigen.

Heutige NN Netze sind einfach von ihrem Aufbau her offenbar nicht 
geeignet, solche Verknüpfungen zuzulassen. Um das Problem des 
vollautonomen Fahrens zu lösen, benötigt es ganz neue Ansätze und 
insbesondere erstmal ein viel besseres Verständnis dessen, was wir als 
Abstraktionsfähigkeit bezeichnen.

Andere rechtliche Probleme hatte ich ja schon in anderen Threads 
angesprochen: oft muss man die STVO verletzen, um Verkehrsfluss aufrecht 
erhalten zu können. Wie das die Hersteller handhaben werden, ist noch 
nicht geklärt. Klar ist aber: hält sich ein autonomes Fahrzeug immer 
strikt an die STVO, ist das Ding schlicht nicht brauchbar. Hält es sich 
aber nicht an die STVO, ist der Hersteller - natürlich - voll in der 
Haftung.

Chris D. schrieb:
> Das ist mir bekannt, ändert aber nichts am grundsätzlichen Problem: sie
> können nur das, was man ihnen beigebracht hat. Und das eben sehr eng
> gefasst.

Wie erklärst du dir dann die Erfolge von AlphaGo? Natürlich kann der nur 
Go Spielen, aber wenn er nur könnte was ihm beigebracht wurde, könnte 
ihn ja jeder bessere Go Spieler schlagen. Im Wirklichkeit konnte ihn 
aber niemand besiegen und es wurden einige extrem überraschende Züge von 
diesem System gemacht, welche kein Mensch so hätte machen oder 
vorraussehen können. Und die Züge der Gegner kann natürlich auch niemand 
vorraussehen. D.h. jeder Zug des Gegners ist eine völlig neue Situation 
für das System. Mit hoher Wahrscheinlichkeit hat es einen solchen Zug 
noch nie zuvor gesehen, da es eben sehr viele Zugmöglichkeiten und 
Stellungen bei Go gibt.

Sehr eng gefasst finde ich das nicht. Auf den Straßenverkehr übertragen 
könnte so ein DL System dann natürlich auch auf vorher nicht trainierte 
Situationen reagieren.

c r schrieb:
>> Es werden aber viele Situationen auftreten, die das NN vorher noch nie
>> hatte, die somit auch noch nie getestet und beurteilt werden konnten.
>
> Das ist nur so halb richtig, aber das gilt ja noch viel mehr für
> "klassische" Software ohne NN.

Natürlich.

Ich will NN nicht schlecht reden (ich hab schließlich darüber meine 
Dipl.-Arbeit geschrieben :-) - aber ich kenne eben ihre Grenzen.

Ich beobachte die "Szene" seit meiner Studienzeit. Mal waren NN komplett 
in der Versenkung verschwunden, jetzt werden sie wieder hervorgeholt, 
nur unter neuem Namen. Das Prinzip hat sich aber nicht geändert und das 
wird mMn prinzipbedingt nicht ausreichen, um vollautonomes Fahren zu 
ermöglichen.

Man sieht an den Problemen, die z.B. beim Tesla regelmäßig berichtet 
werden, dass man auch gar nicht genau weiss, was man wo ändern muss, um 
ein gewünschtes Verhalten zu erzeugen. Da wird dann mit "brutalen" 
klassichen Algorithmen das NN zwanghaft eingenorden, um Fehler 
auszuschließen - weil man nicht weiss, wie man das NN dazu bringen soll, 
etwas auf gar keinen Fall zu tun.

So etwas ist Flickschusterei - und man kämpft da noch mit so 
grundsätzlichen Dingen wie einer sicheren Fahrbahnerkennung auf ABs.

Chris D. schrieb:
> Ich will NN nicht schlecht reden (ich hab schließlich darüber meine
> Dipl.-Arbeit geschrieben :-) - aber ich kenne eben ihre Grenzen.

Du scheinst bei NN von einem sehr niedrigen Niveau auszugehen. Das 
Google DeepLearning System das da zum Einsatz kam, war sicher kein 
einfaches NN wie es im Lehrbuch steht, mit ein paar Verknüpfungen und 
Gewichtungen an den Kanten. Womöglich bist du bei NN und DL nicht so 
ganz auf dem laufenden, trotz oder gerade wegen deiner Dipl. Arbeit?

Cyblord -. schrieb:
> Sehr eng gefasst finde ich das nicht. Auf den Straßenverkehr übertragen
> könnte so ein DL System dann natürlich auch auf vorher nicht trainierte
> Situationen reagieren.

Du kannst ein Go-Spiel aber nicht einfach auf den Straßenverkehr 
übertragen. Beim Go-Spiel hast Du sehr klare und stark begrenzte Regeln.

Schon die hast Du im Straßenverkehr nicht mehr. Das ist ein offenes 
System, in dem es immer wieder Situationen gibt, die vorher nie da waren 
und vermutlich auch nie wieder auftauchen werden. Das Go-Spiel und den 
Straßenverkehr trennen dort wirklich mehrere Größenordnungen.

Schon das Fassen und Aufstellen dieser Regeln, in denen das NN agieren 
darf, ist ein Problem für sich. Und mit diesen Regeln meine ich nicht 
die STVO ;-)

Und da hat das NN wohlgemerkt noch keinen einzigen Iterationsschritt 
hinter sich gebracht.

Du hast im Straßenverkehr weiterhin das Problem, dass Du das NN im 
übertragenen Sinne eben nicht permanent gegen sich selbst spielen lassen 
kannst, bis es dann mal einen vernünftigen Output liefert.

Wie ich schon schrieb: offenbar arbeitet das menschliche Gehirn da ganz 
anders als unsere heutigen NN. Es benötigt keine tausende von 
Iterationen, um mit einer eng gefassten Situation zurechtzukommen. Im 
Idealfall reicht sogar eine einzige Iteration aus.

Und das zeigt sich auch in den sehr dürftigen Fortschritten, die die NN 
in den letzten zwanzig Jahren genommen haben. Man arbeitet heute nur mit 
"brutaler" Rechenleistung, aber das Prinzip ist das selbe und der Output 
dieser NN zwar besser, aber immer noch sehr dürftig angesichts der 
problem, die zu lösen sind.

Und das wird nicht reichen.

Letztlich führt die Frage nach dem vollautonomen Fahrzeug auf die Frage, 
ob man es schafft echte Intelligenz zu erzeugen.

Ich hatte das mal flapsig so ausgedrückt, dass wir dann autonome 
Fahrzeuge haben, wenn das Fahrzeug mit "Fahr doch selber!" antwortet.

Der Unterschied zwischen "Erkennen" und "Begreifen" ist ein sehr, sehr 
großer.

Und ich glaube daran, dass es irgendwann ein solches echtes, technisches 
Bewusstsein geben wird.

Aber nicht mit den Werkzeugen der heutigen NN.

Chris D. schrieb:
> Du kannst ein Go-Spiel aber nicht einfach auf den Straßenverkehr
> übertragen. Beim Go-Spiel hast Du sehr klare und stark begrenzte Regeln.

Natürlich kann man es übertragen. Es geht um die Entscheidungen des NN 
und dessen Fähigkeiten neue Situationen zu verarbeiten.

Das Problem im echten Leben sind vor allem die Sensoren. Nimm doch mal 
an du hättest ein komplettes Echtzeitbild von der Situtation im 
Straßenverkehr. Ein 100% Modell mit allen Infos. Dann sieht die Sache 
nämlich anders aus.

> Ich habe noch nicht begriffen, wie er die Regeln des Spiels gelernt
> haben soll.

Die Regeln muss er nicht lernen. Die kann man fest einprogrammieren. Die 
Reglen von GO sind sowieso einfach, was der Grund für die enorme 
Komplexität des Spieles selbst ist.

Er muss aber lernen es zu spielen, es gut zu spielen und zu gewinnen. 
Und das hat AlphaGo gelernt, durch Training.

Und in einem autonomen Auto ist die StVo ja nicht das Problem, die ist 
fest drin. Es geht GERADE um die unbekannten Situtationen und die kann 
man nur durch ein trainiertes NN überhaupt abbilden.

Cyblord -. schrieb:
> Chris D. schrieb:
>> Ich will NN nicht schlecht reden (ich hab schließlich darüber meine
>> Dipl.-Arbeit geschrieben :-) - aber ich kenne eben ihre Grenzen.
>
> Du scheinst bei NN von einem sehr niedrigen Niveau auszugehen.

Das Niveau ist sehr niedrig - immer verglichen mit den Problemen, vor 
denen wir beim autonomen Fahren stehen.

> Google DeepLearning System das da zum Einsatz kam, war sicher kein
> einfaches NN wie es im Lehrbuch steht, mit ein paar Verknüpfungen und
> Gewichtungen an den Kanten.

Doch, das ist es in der Tat - es ist dasselbe Prinzip.

Nicht falsch verstehen: die Leistungen sind beeindruckend. Aber 
prinzipbedingt eben auf einem nicht ausreichenden Niveau für 
vollautonomes Fahren.

> Womöglich bist du bei NN und DL nicht so
> ganz auf dem laufenden, trotz oder gerade wegen deiner Dipl. Arbeit?

Ich verfolge das schon sehr engmaschig. Daher bin ich auch ziemlich 
ernüchtert: das ist alles alter Wein in neuen Schläuchen - auch wenn sie 
viel größer sind.

Chris D. schrieb:
> Nicht falsch verstehen: die Leistungen sind beeindruckend. Aber
> prinzipbedingt eben auf einem nicht ausreichenden Niveau für
> vollautonomes Fahren.

Nun aber das KI System war hier dem Mensch kognitiv weit überlegen. 
Warum das nicht zum bessere autofahren reichen soll weiß ich nicht.

Ist es nicht vielleicht doch nur die Sensorik und nicht die KI selbst?

Cyblord -. schrieb:
> Und in einem autonomen Auto ist die StVo ja nicht das Problem, die ist
> fest drin. Es geht GERADE um die unbekannten Situtationen und die kann
> man nur durch ein trainiertes NN überhaupt abbilden.

Aber ein trainiertes NN kann eben nur sehr eng die Situationen abbilden, 
auf die es trainiert wurde.

Habe ich aber eine komplett andere Situation, hat es darauf keine oder 
im schlimmsten Fall eben die falsche Antwort.

Die Ausgaben eines NN sind immer nur in einem kleinen Bereich rund um 
die gelernte Situation gut.

Wie geschrieben: ein NN, das auf die Erkennung einer Alphaltstraße 
trainiert wurde, wird komplett versagen, wenn man ihm eine Eispiste 
vorlegt.

Ein Mensch nicht.

Das ist kein Problem von "dann müssen wir das eben auch trainieren" 
sondern ein prinzipielles der bisherigen NN.

c r schrieb:
> Woran machst du das fest? Tesla, nVidia, comma.ai machen doch längst
> Dinge, die deiner Meinung nach unmöglich sind...

Welche sollten das denn sein?

Es geht doch nicht um das Spurhalten und das Erkennen von Fahrzeugen auf 
einer AB. Das ist geschenkt und einigermaßen mit einem NN abbildbar.

Es geht um dauerhaftes autonomes Fahren und das Verhalten in 
Situationen, in denen das Fahrzeug vorher noch nie war.

Weshalb sollten selbstlernende Systeme nicht sicher und zertifizierbar 
sein ? Zertifizierbar bedeutet :
-Das System ist sicher
-Das System faellt im Fehlerfall in einen sicheren Zustand zurueck.

Im Falle eine Heizung bedeutet das :
-Die Sicherheitslimiten der Temperaturen werden eingehalten
-Im Fehlerfall wird abgeschalten, resp falls moeglich bleibt das System 
oberhalb des Vereisungspunktes.

Im Falle eines Autos bedeutet das :
-Die Geschwindigkeitslimiten und Abstaende werden eingehalten
-Das Auto haelt immer korrekt an.
-Das Auto kann immer rechtzeitig bremsen
-Das Auto kann immer ausweichen
-Das Auto haelt im Fehlerfall an, resp feahrt auf eine sichere Position

Das ist machbar. Allenfalls noch nicht bei den Geschwindigkeiten, die 
wir uns vorstellen. Vielleicht muss es auch nie so schnell fahren, wie 
wir uns das jetzt vorstellen. Vielleicht reichen ja 25-30kmh innerorts

Alles klar ?

Selbstlernend bedeutet weder neuronales Netzwerk noch sonstwas. 
Selbstlernend bedeutet, es werden von einem minimalen Basis Set, das 
"sichere" Funktionalitaet bietet, zusaetzliche Funktionalitaet 
aufgebaut. Ohne die Parameter des Basis Sets zu Verletzen. Das Basis Set 
ist quasi das Kleinhirn.

Cyblord -. schrieb:
> Chris D. schrieb:
>> Nicht falsch verstehen: die Leistungen sind beeindruckend. Aber
>> prinzipbedingt eben auf einem nicht ausreichenden Niveau für
>> vollautonomes Fahren.
>
> Nun aber das KI System war hier dem Mensch kognitiv weit überlegen.
> Warum das nicht zum bessere autofahren reichen soll weiß ich nicht.
>
> Ist es nicht vielleicht doch nur die Sensorik und nicht die KI selbst?

Das denke ich nicht. Die Sensorik ist nicht das Problem. Dass viele 
Sensoren dem Mensch überlegen sind, steht außer Frage. Bspw. finde ich 
IR-/Wärmesensoren für Wilderkennung eine wunderbare Sache.

Das Problem ist die Verarbeitung/Abstraktion und vor allem Verknüpfung 
von Information.

Nochmal: es ist eben eine ganz andere Qualität, ob ich etwas erkenne, 
oder etwas begreife.

Sowohl NN als auch Kind erkennen die Straße - aber nur das Kind 
begreift, wofür eine Straße da ist. Und erst das macht es dem Kind so 
einfach, in einer sensorisch vollkommen anderen Umgebung adäquat und 
richtig zu reagieren.

Vielleicht noch eine einfache Situation, die die Problematik 
verdeutlicht:
Ein menschlicher Fahrer, der auf einer Alleestraße unterwegs ist, wird 
frühzeitig anhalten, wenn er sieht, dass sich bei Wind ein schon halb 
abgebrochener Ast weiter und weiter nach unten neigt.

Dazu muss er nie in einer solchen Situation gewesen sein, ja noch nicht 
einmal eine Alleestraße befahren haben.

Er wird aber weiter fahren, wenn eine Papiertüte langsam über die Straße 
geweht wird, weil er richtig vermutet, dass die Tüte leer sein muss, 
wenn sie sich auf diese Art und weise bewegt. Bei einem genau so schnell 
rollenden Stein wird er das nicht tun.

Schon diese kleinen Beispiele zeigen, dass der Weg "wir trainieren das 
Netz einfach mit allen möglichen Dingen" nicht funktioniert, weil "allen 
möglichen Dingen" gar nicht fassbar ist.

Und die Natur hat das offenbar auch "erkannt" und legt Information ganz 
anders ab.

c r schrieb:
> Chris D. schrieb:
>> das Verhalten in
>> Situationen, in denen das Fahrzeug vorher noch nie war.
>
> Ich verstehe nicht ganz, von welchen Situationen du redest.
>
> Ein Mensch, der nur Stadtverkehr kennt, versagt auf der Autobahn.

Nein, das tut er nicht. Er wird sichelrich vorsichtiger fahren, aber er 
wird dort fahren können.

> Ein Mensch, der nur Autobahn kennt, versagt auf Feldwegen.

Nein, warum sollte er? Ich bin vor der Prüfung auch keine Feldwege 
gefahren - trotzdem ging das nachher absolut problemlos. Ich kann auch 
auf einer Sandpiste ohne irgendwelche Markierungen problemlos die Spur 
halten.

Weil ich den Zweck einer Straße kenne.

> Ein Mensch, der nur Asphalt, 20°C, offenes Feld ringsum und bewölkten
> Himmel um 12:00 kennt, versagt nachts im Wald.

Nein, warum sollte er?

Du musst Dich doch nur selbst beobachten. Wenn in einer Baustelle die 
gelbe n Markierungen (wie so oft) ab abgelöst schräg über die Fahrbahn 
verlaufen, dann folgst Du ihnen selbstverständlich nicht.

Du weisst, dass diese Linie dort nicht sein darf.

> Es WIRD definitiv Situationen geben, in denen ein NN falsch reagiert,
> das muss nur seltener vorkommen, als beim Menschen.

Das ist nicht das Hauptproblem.

Vor allem muss das NN nämlich in der Lage sein, vollkommen neue 
Situationen vernünftig aufzulösen.

Chris D. schrieb:
> Und die Natur hat das offenbar auch "erkannt" und legt Information ganz
> anders ab.

Komischerweise sollen aber gerade NN das menschlische Gehirn nachahmen. 
Also wenn "die Natur" das alles so ganz anders macht warum machen wir es 
dann mit KI nicht genau so? IMO wird das aber gerade mit NN versucht. 
Natürlich ist es (noch) nicht möglich das Gehirn nachzubilden aber der 
Weg geht doch wohl über NN.

Und kannst du bitte mal mit diesen hirntoten Beispielen aufhören? Die 
nerven echt nur noch.

Chris D. schrieb:
> Ich kann auch
> auf einer Sandpiste ohne irgendwelche Markierungen problemlos die Spur
> halten.

Echt? Ohne Markierungen? Wie das? Woher weißt du wo da die Spur ist?

Um mal bei deinen Beispielen zu bleiben, dann erkläre doch mal, wie kann 
ein System welches bisher nur Spielzüge A,B und C gesehen hat, plötzlich 
auf einen unbekannten Spielzug X mit einem ebenso nie zuvor gemachten 
Spielzug Y derart reagieren dass das Syste am Ende gewinnt?

Warum kann es das bei Go, warum wird es das nie nicht niemals bei einem 
Feldweg können?

Die Informationen mögen komplexer sein, aber das Prinzip bleibt eben das 
gleiche.

Mensch: Generalized Intelligence
NN: Specialized Intelligence

Sollte man Wege finden Generalized Artificial Intelligence zu kreieren, 
dann hilf uns das Spaghettimonster! Aber wenigstens können Autos dann 
durch den Wald fahren.

Jemin K. schrieb:
> Sollte man Wege finden Generalized Artificial Intelligence zu kreieren,
> dann hilf uns das Spaghettimonster!

Allerdings nur wenn eine hinreichend Leistungsfähige KI automatisch ein 
Bewusstsein hervorbringt. Das wäre noch zu beweisen.

c r schrieb:
> Kannst du beweisen, dass irgendjemand außer dir über ein Bewusstsein
> verfügt? :P

Nicht wirklich. Nicht mal für mich selbst kann ich das beweisen.

Aber in dem Moment in dem eine KI mit einem irren Lachen die 
Weltherrschaft an sich reißt, hat sie wohl ein Bewusstsein entwickelt.

Jemin K. schrieb:
> Mensch: Generalized Intelligence
> NN: Specialized Intelligence
>
> Sollte man Wege finden Generalized Artificial Intelligence zu kreieren,
> dann hilf uns das Spaghettimonster! Aber wenigstens können Autos dann
> durch den Wald fahren.
Sobald uns das gelingt, sind wir das Spagettimonster! ;)

Passt auch zu der erneut geplanten, massiven Investition in Fabriken für 
E-Auto Akkus.
Schätze jetzt wo sie nicht mehr um die Gunst der Wähler für die nächste 
Amtsperiode kämpfen muss, könnte die Regierung um Merkel noch einiges 
zukunftsweisendes bewirken.

Es hat was wenn eine Wissenschaftlerin an der Spitze steht...

Alex G. schrieb:
> Jemin K. schrieb:
>> Mensch: Generalized Intelligence
>> NN: Specialized Intelligence
>>
>> Sollte man Wege finden Generalized Artificial Intelligence zu kreieren,
>> dann hilf uns das Spaghettimonster! Aber wenigstens können Autos dann
>> durch den Wald fahren.
> Sobald uns das gelingt, sind wir das Spagettimonster! ;)

Verzeihung, ich möchte lieber ein Hackbällchen sein. ;-D