Künstliche Intelligenz aus der Cloud

» Von Thomas Hafen, 12.04.2017 14:30.

weitere Artikel

Bildergalerie

Bildergalerie

TensorFlow: Das vom «Google Brain»-Team entwickelte Framework ist mittlerweile unter einer Apache-2.0-Open-Source-Lizenz frei auf GitHub verfügbar. Es soll schneller und robuster als der bereits 2011 von Google entwickelte Vorgänger DistBelief sein. Google und andere Unternehmen des Alphabet-Konzerns nutzen TensorFlow unter anderem in der Forschung, aber auch in diversen Produkten wie Google Now, Gmail, Google Fotos, Google Search, Google Translate oder Youtube.

Das Framework beruht auf einem Graphen-Modell, mathematische Operationen sind als Knoten in den Graphen repräsentiert, während die Ränder der Graphen multidimensionale Datenräume (Tensoren) darstellen. Wie bei Veles oder auch dem Microsoft Cognitive Toolkit lassen sich Berechnungen auf einem oder mehreren Rechnern per CPU und GPU durchführen.

TensorFlow bietet mit der grafischen Oberfläche TensorBoard eine Möglichkeit, die verwendeten Graphen zu visualisieren. «So bekomme ich als Entwickler ein Gefühl dafür, was im System vor sich geht», sagt Bernd Fondermann von Brainlounge. «Tools wie TensorBoard erlauben mir zu sehen, was wirklich passiert, und zu erkennen, welche Teilaspekte des Modells vielleicht nicht so funktionieren wie gewünscht.»

Theano: Die Open-Source-Bibliothek für Python erlaubt es, mathematische Operationen mit multidimensionalen Arrays zu definieren, zu optimieren und zu evaluieren. Die Syntax ähnelt der von NumPy, einer Python-Erweiterung für multidimensionale Arrays und Matrices. Das am Montréal Institut für Learning Algorithms (MILA) der Universität von Montréal entwickelte Framework unterstützt ebenfalls die Verwendung von GPUs zur Berechnung und zeichnet sich unter anderem durch erweiterte Funktionen zur Fehlererkennung und -diagnose aus.

Torch: Das objektorientierte, ebenfalls als Open Source verfügbare Framework Torch verwendet eine auf Lua basierende Skriptsprache sowie den Just-in-Time-Compiler LuaJIT. Es wurde bereits 2002 von einem Forscher-Team um Ronan Collobert konzipiert und kommt unter anderem bei Facebook, IBM und dem Internet-Dienstleister Yandex zum Einsatz.

Gegenüber der Python-basierten Konkurrenz zeichnet  sich das Framework laut Collobert, der heute bei Facebook arbeitet, durch Schnelligkeit, Flexibilität und einfache Inte­gration von C- oder C++-Bibliotheken aus. Prototypen sollen sich ausserdem sehr einfach in Endprodukte verwandeln und auf verschiedensten Endgeräten und Plattformen verwenden lassen.

Apache Singa: Nicht unerwähnt bleiben soll das aus dem Apache-Kosmos stammende Apache Singa. Singa soll verteiltes Lernen auf Big-Data-Infrastrukturen schnell und skalierbar ermöglichen, indem sowohl das Lernmodell als auch die Trainingsdaten partitioniert und auf verschiedene Knoten eines Clusters verteilt werden. Der Code ist modular aufgebaut und lässt sich um verschiedene Lernmodelle oder Algorithmen erweitern.

Apache Spark MLlib: Hierbei handelt es sich um die Machine-Learning-Bibliothek für das Hadoop-Framework Spark. Sie lässt sich sowohl mit NumPy in Python als auch mit R-Bibliotheken verwenden. Spark MLlib kann ohne zusätzliche Installation auf einem Hadoop-2-Cluster verwendet werden. Spark lässt sich aber separat lokal, auf einem Amazon-EC2-Cluster oder über den Cluster-Manager Apache Mesos in­stallieren.

Hier nochmal eine Auswahl an ML-Frameworks als PDF-Datei

 

Bot-Frameworks

Obwohl Machine Learning (ML) und Künstliche Intelligenz (KI) häufig synonym verwendet werden, sind sie nicht notwendigerweise deckungsgleich. ML-Algorithmen lassen sich auch für Zwecke verwenden, die nichts oder nur sehr entfernt etwas mit KI in dem Sinn zu tun haben, wie sie die Pioniere auf diesem Forschungsgebiet, etwa Marvin Minsk, Allan Turing oder auch John McCarthy definierten.

Als KI im engeren Sinn kann man dagegen Chatbots bezeichnen. Sie sind immerhin kurz davor, den Turing-Test zu bestehen, das heisst, sie lassen sich nur noch schwer von einem menschlichen Gesprächspartner unterscheiden.

Eine Reihe von Frameworks bietet Unterstützung beim Aufbau eines eigenen Chatbots, so etwa die Facebook Bot Engine des 2015 von Facebook übernommenen Start-ups Wit.ai (https://wit.ai), das webbasierte Framework API.AI (https://api.ai) von Speaktoit oder die Customer Experience Platform (CXP) von Aspect Software (www.aspect.com/de). Microsoft bietet mit dem Bot Framework (https://dev.botframework.com) ebenfalls eine Plattform, über die sich Konversationssysteme entwickeln lassen.

Nächste Seite: Frameworks as a Service

Werbung

KOMMENTARE

Marvin S.: 03-05-17 14:46

Ich würde allerdings sagen, dass TensorFlow und Co das Thema Maschinenlernen nicht unbedingt vereinfacht haben. "Flexibler gestaltet" würde ich es vielleicht eher nennen. Alte Pyhton Module wie <a href="http://scikit-learn.org/stable/">Sklearn</a> waren viel einfacher zu benutzen und zu verstehen. Natürlich kann jemand der sich mit MAschinenlernen auskennt mit Tensorflow angepasstere Modelle entwickeln aber als einfacher würde ich die Programme wirklich nicht bezeichnen...

KOMMENTAR SCHREIBEN

*
*
*
*

Alles Pflichfelder, E-Mail-Adresse wird nicht angezeigt.

Die Redaktion hält sich vor, unangebrachte, rassistische oder ehrverletzende Kommentare zu löschen.
Die Verfasser von Leserkommentaren gewähren der NMGZ AG das unentgeltliche, zeitlich und räumlich unbegrenzte Recht, ihre Leserkommentare ganz oder teilweise auf dem Portal zu verwenden. Eingeschlossen ist zusätzlich das Recht, die Texte in andere Publikationsorgane, Medien oder Bücher zu übernehmen und zur Archivierung abzuspeichern.