Maschinen lernen derzeit primär durch die Analyse großer Datenmengen. Weil das aufwendig ist, wird in der Forschung der Ansatz des "few shot learning" verfolgt. Ähnlich wie Menschen sollen Systeme Künstlicher Intelligenz (KI) aufbauend auf vorhandenem Wissen nur anhand weniger Beispiele neue Fähigkeiten lernen. In diese Richtung zielt eine neue Forschungspartnerschaft zwischen Österreichs KI-Aushängeschild Sepp Hochreiter von der Uni Linz und der Wiener Softwarefirma Anyline.

"Ewig nachtrainieren"

"Wenn ich zum ersten Mal in Italien Auto fahre, merke ich, dass die Leute anders reagieren und die Verkehrsschilder vielleicht ein bisschen anders aussehen, aber ich kann mich schnell darauf einstellen", erklärte Hochreiter, der das Institut für Machine Learning der Universität Linz und das Artificial Intelligence Laboratory des Linz Institute of Technology (LIT) leitet, gegenüber der APA. KI-Systeme seien bisher auf diesem Gebiet sehr schwach gewesen, "man hat immer ewig nachtrainieren müssen", wenn sie sich auf eine neue Aufgabe einstellen mussten.

Ein großer Forschungsbereich widme sich daher der Frage, wie man die für das Lernen notwendige Datenmenge reduzieren kann, sagte Anyline-Mitbegründer Daniel Albertini zur APA. Denn es gebe Anwendungsfälle, wo man nicht so viele Daten sammeln könne oder auch wolle, etwa aus datenschutzrechtlichen Gründen. Das 2013 gegründete Unternehmen, das mit seinen Anwendungen KI für mobile optische Texterkennung nutzt, habe in den vergangenen Jahren schon viel in diese Richtung gearbeitet.

Grundlagenforschung

Nun will man sich gemeinsam mit der Uni Linz des Themas annehmen. Anyline finanziert im Rahmen der Forschungspartnerschaft in den kommenden drei Jahren eine Doktorandenstelle bei Hochreiter. "Wir wollen damit die Grundlagenforschung vorantreiben, Ziel ist, gemeinsam zu publizieren und auf Konferenzen zu veröffentlichen", sagte Albertini, der sich von der Zusammenarbeit nicht nur einen regen Wissensaustausch mit der Uni Linz erhofft, sondern auch mehr Marktkraft für sein Unternehmen.

Inhaltlich gehe es darum, dass "neuronale Netze lernen, effizienter zu lernen", so Albertini. Er vergleicht das Prinzip des "few shot learning" mit einer Person, die schon fünf Sprachen spricht und sich leicht tut, eine sechste Sprache zu lernen, weil sie auf vorhandenem Wissen aufbauen kann.

Gelerntes anpassen

Ähnlich wie der Mensch soll ein neuronales Netz bei einer neuen Aufgabe versuchen, das viele bereits Gelernte anzupassen, um nicht alles von Grund auf neu lernen zu müssen, so Hochreiter. "Das kann man so weit vorantreiben, dass ein neuronales Netz nur mehr ein Beispiel braucht, damit es von einem komplett anderen Anwendungsfall das Wissen auf einen neuen Fall transferieren kann", erklärte Albertini.

Das Software-Unternehmen will das Lernen neuronaler Netze aber auch auf einem anderen Gebiet verbessern. Im Rahmen eines von der Forschungsförderungsgesellschaft FFG geförderten Projekts soll eine sogenannte Trainer-Plattform entwickelt werden. "Dabei geht es darum, wie neuronale Netze während der Anwendung automatisiert weiterlernen und dadurch besser werden können", so Albertini.

Schriftzeichen ohne Internet erkennen

Die Anwendungen von Anyline ermöglichen es, mittels KI Schriftzeichen auf mobilen Geräten auch ohne Internet zu erkennen und in Echtzeit zu verarbeiten. Eingesetzt wird das beispielsweise von der Polizei in Österreich und anderen europäischen Ländern, die Ausweise oder Auto-Kennzeichen scannen und so rasch zu Informationen kommen, oder von zahlreichen Firmen. Das Unternehmen hat im vergangenen Jahr seine Mitarbeiterzahl auf aktuell 75 verdoppelt, einen Vertriebsstandort in Boston (USA) eröffnet und im Jänner eine Investitionsrunde mit 12 Mio. Euro abgeschlossen, "die wir in ein weiteres Wachstum stecken", so Albertini. (APA, 15.10.2020)