Künstliche Intelligenz (KI) ist mittlerweile ein Marketingetikett, mit dem Softwareprodukte beworben werden. Nicht überall, wo Intelligenz drauf steht ist auch eine solche drin. Überhaupt ist der Begriff sehr unscharf und wird ganz unterschiedlich interpretiert. Unstrittig ist jedoch, dass Computer immer mehr in Bereiche vorstoßen, die bisher allein den kognitiven Fähigkeiten des menschlichen Verstandes zugeschrieben wurden und die weit über klassische Datenanalyse hinausgehen. Computer können gesprochene Sprache zuverlässig in Text umwandeln (Alexa, Siri, Google Assistant, Watson, …), die Semantik von Texten verstehen, Bildinhalte erkennen usw. Umgekehrt können sie Bilder und Sprache erzeugen, scheinbar selbstständig lernen und viele andere, noch vor 10 Jahren unmögliche Dinge erledigen.

Eine wesentliche Ursache für diesen Technologiesprung sind die Fortschritte, die im Bereich künstlicher neuronaler Netze und der damit verbundenen Technik Deep Learning in den vergangenen Jahren gemacht wurden.

In einem 2-stündigen Workshop habe ich versucht, anschaulich zu erklären, welche Technologie eigentlich hinter Deep Learning steckt und intuitiv begreifbar zu machen, wie sie funktioniert und worauf es bei Ihrer Anwendung ankommt. Dabei wird ein Neuronales Netz so trainiert, dass es Hunde von Katzen unterscheiden kann. Es geht also um eine Aufgabe der Bildklassifizierung. Der Workshop verwendet die Programmiersprache Python in einer interaktiven Umgebung, die im Browser läuft (Jupyter Notebook mit Framework Keras). Ein paar einfache Programmierkenntnisse sind ausreichend. Es wird nicht auf die mathematischen Grundlagen eingegangen, sondern der Ansatz ist sehr praxisorientiert.

Die Videoaufzeichnung ist von einer Workshop Session in den Räumen der EnBW AG.

Wer das Beispiel näher studieren will oder das Beispiel selbst auf einem eigenen Jupyter Server laufen lassen will, findet den kompletten Quellcode auf GitHub.