Lernende Computer-Systeme, die Daten aus der realen Welt erkennen, sind mittlerweile weit verbreitet. Sie kommen etwa bei automatischer Übersetzung von Texten oder Spracherkennung zum Einsatz. Die Technologie ist jedoch noch weit von Perfektion entfernt, was man spätestens merkt, wenn man im Urlaub eine automatisch übersetzte Speisekarte in Händen hält. Forscher von Google und der Stanford-Universität haben nun ein System entwickelt, das wesentlich genauere Ergebnisse liefert.

Bisherige Methoden zu umständlich

Aktuelle Systeme können beispielsweise erlernen, Autos und Motorräder auf Bildern zu unterscheiden. Doch dafür muss die Software erst mit zehntausenden Fotos gefüttert werden, die entsprechend nach Autos und Motorrädern ausgewiesen und gekennzeichnet sind. Das sei umständlich und koste sehr viel Zeit, erklärt Google in einem Blog-Eintrag.

Zufällige YouTube-Screenshots

Die Forscher haben nun ein deutlich größeren, neuronales Netzwerk entwickelt, das mit nicht gekennzeichneten Daten arbeitet. Dafür haben die Forscher ein Netz aus 16.000 Prozessoren verschaltet, welches mit einer Milliarden Verbindungen ein Gehirn simuliert. Eine Woche lang wurde das System mit zufällig aus YouTube ausgewählten Screenshots gefüttert, die im Anschluss analysiert wurden.

Vorliebe für Katzen

Das Ergebnis: das System lernte selbstständig Menschen und Katzen zu unterscheiden. Die Forscher hatten zuvor nicht programmiert, dass es nach bestimmten Merkmalen oder Fotoeigenschaften suchen solle. Dass das System eine "Vorliebe" für Katzen entwickelte, war für die Forscher eine Überraschung und zuvor nicht definiert worden.

Genauere Ergebnisse

Bei einem anschließenden Test, bei dem das "Google-Gehirn" aus einer Liste von 20.000 Objektkategorien selbst Bilder aussortieren musste, habe das System um 70 Prozent besser als bisherige Technologien abgeschnitten. Die Trefferquote liege nun bei 15,8 Prozent. Deutlich besser seien die Ergebnisse bei Katzen- und Menschenfotos. Katzen würden mit einer Trefferquote von 74,8 Prozent erkannt, menschliche mit 81,7 Prozent.

Die Ergebnisse wollen die Forscher Ende Juni auf der International Conference on Machine Learning präsentieren. Die Forschungsarbeit wurde vorab schon im Internet veröffentlicht. (red, derStandard.at, 26.6.2012)