Gurkencheck

Künstliche Intelligenz und maschinelles Lernen halten Einzug in unseren Alltag. Mit Googles Software-Sammlung TensorFlow kann jeder testen, was das bedeutet. Die Möglichkeiten sind erstaunlich – auch für Gemüsebauern

Makoto Koike ist frustriert. Der Japaner hat einen Job in der Autoindustrie verlassen, um seinen Eltern auf deren Gemüsefarm zu helfen. Der Stolz der Familie: pralle, gerade Gurken, die wegen ihrer Qualität hohe Preise erzielen. Doch statt sich auf die Zucht zu konzentrieren, ärgert Koike sich damit herum, die Gurken zu sortieren. Abhängig von Form und Qualität unterscheidet die Koike-Familie neun Qualitätsklassen. »Das Sortieren ist kompliziert, man kann nicht einfach Saisonarbeiter dafür einstellen«, sagt Koike. Abseits der Gurken interessiert er sich für künstliche Intelligenz (KI) und das asiatische Brettspiel »Go«. Fasziniert verfolgt er 2016 den Wettkampf zwischen der Software AlphaGo und einem der besten »Go«-Spieler der Welt, den der Computer sensationell gewinnt. Koike ist begeistert – und beschließt, eine Maschine zu konstruieren, die selbstständig lernt, Gurken anhand ihrer Qualität zu sortieren. Dafür nutzt er die Software-Bibliothek für maschinelles Lernen TensorFlow, die Google entwickelt und frei verfügbar gemacht hat.

Eine Maschine, die sich selbst beibringt, krumme von geraden Gurken zu unterscheiden, das galt lange als Science-Fiction. Bislang gängige Programme und ihre Algorithmen konnten zwar intelligent wirken. Doch sie arbeiteten nur Befehle ab, die ein Mensch ihnen gegeben hatte. Beim maschinellen Lernen dagegen generiert die Software ihr Wissen aus Erfahrungen, die sie macht. Der Mensch gibt die Richtung vor, letztlich erkennt die Maschine die Muster im Laufe des Trainings aber selbst.

Lassen sich vom Computer helfen: Makoto Koike, Mitte, mit seinen Eltern auf der heimischen Gurkenfarm.

Die Technik kann auf Krankheiten hinweisen

Grundlage des maschinellen Lernens sind künstliche neuronale Netze. Sie sind den Hirnstrukturen nachempfunden und bestehen aus unzähligen verbundenen »Neuronen«, in Schichten organisierten Recheneinheiten. »Diese Netze lernen aus Beispielen«, sagt Professor Klaus-Robert Müller, Lehrstuhlinhaber für Maschinelles Lernen an der TU Berlin. Der Prozess sei ansatzweise vergleichbar mit dem Beispiel eines Kindes, dem seine Eltern mehrmals zeigen, was ein Stuhl ist. Angesichts eines Sofas fragt das Kind, ob das ein Stuhl sei. Die Eltern verneinen. Danach sieht das Kind wiederum einen Stuhl und fragt, ob das ein Stuhl sei. Die Eltern bejahen. Bald kann das Kind einen Stuhl zweifelsfrei identifizieren und baut somit eine mentale Repräsentation eines Stuhls auf. »Maschinelles Lernen setzt diese Metaphorik auf einen Computer um«, sagt Müller. Der Unterschied: Das Kind hat schon bald ein klares Konzept von Stühlen. Der Computer dagegen muss in unzähligen Frage-Antwort-Durchläufen unzählige Bilder mit Stühlen betrachten.

Aus maschinellem Lernen ergeben sich gewaltige Chancen, glaubt Professor Raúl Rojas, der an der FU Berlin Informatik lehrt. »Forschung und Wirtschaft versprechen sich sehr viel von einer solchen künstlichen Intelligenz, gerade bei Bildmedizin, Spracherkennung, Übersetzung oder dem autonomen Fahren.« Tatsächlich erscheinen die Möglichkeiten endlos: Der Computer kann nicht nur helfen, Gurken zu sortieren. Er kann zum Beispiel auch Mammografie-Aufnahmen prüfen oder – basierend auf Sprechen und Schreiben eines Menschen – Hinweise auf Parkinson- oder Alzheimer-Erkrankungen geben.

Nicht zuletzt deshalb nutzen Technologie-Unternehmen wie Google, Facebook, Microsoft und andere maschinelles Lernen intensiv. Für Google ist seine Software-Bibliothek TensorFlow dabei extrem wichtig. Die meisten Menschen dürften von TensorFlow noch nie gehört haben, dabei verbessert die Technologie mittlerweile die Google-Spracherkennung, die Übersetzungsfunktion oder Google Fotos: Nutzer können ihre Bilder nun nach Stichwörtern wie »Umarmung« oder »glücklich« durchsuchen. Vor Kurzem war das noch undenkbar. Google Übersetzer beherrscht mittlerweile 103 Sprachen. Und die Spracherkennung ist dramatisch besser geworden: Allein 2016 sei der Entwicklungsfortschritt größer gewesen als im vorangegangenen Jahrzehnt, meldet Google. Dieser Sprung hat zwei Gründe: Es gibt heute viel mehr Daten, mit denen Maschinen trainieren können. Und Rechner sind viel stärker und zugleich viel günstiger geworden.

Hunderttausende Unternehmen werden von maschinellem Lernen beeinflusst werden

Jeff Dean Google

Damit auch andere auf TensorFlow aufbauen können, hat Google es als Open-Source-Projekt öffentlich gemacht. Mittlerweile nutzen Firmen wie SAP, Intel, Snapchat oder Ebay die TensorFlow-Software. Professor Klaus-Robert Müller von der TU Berlin hält die Veröffentlichung für folgerichtig: »Es gibt nicht endlos viele Menschen, die maschinelles Lernen wirklich begreifen und sogar weiterentwickeln können.« Dank TensorFlow kann sich nun jeder Interessierte ohne größere Hürden mit maschinellem Lernen beschäftigen. Je mehr Menschen die Technologie nutzen und verstehen, desto größer sei auch die Wahrscheinlichkeit künftiger Innovationen, ist Müller überzeugt. Zugleich wachse der Pool an potenziellen Mitarbeitern für Unternehmen wie Google.

Der japanische Gurkenbauer Makoto Koike hat mit TensorFlow das zeitraubende Sortieren seiner Gurken nach Qualitätskriterien automatisiert. Dafür hat er seinen Computer mit etwa 7000 Gurkenbildern trainiert. Die Sortieranlage kann nun Form und Größe der Gurken unterscheiden. Die Arbeit des Japaners hat sich dadurch stark geändert. Und wie Koikes Gärtnerei dürfte es bald vielen Firmen gehen, ist der Google-Computerwissenschaftler Jeff Dean überzeugt: »Wir glauben, dass Hunderttausende Unternehmen in den kommenden fünf bis zehn Jahren von maschinellem Lernen stark beeinflusst werden.«

Illustration: Marina Widmann; Fotografie: Fotolia, Google

Nach oben