TeachableMachine: Erkunden, wie Neuronale Netze funktionieren

Künstliche Intelligenz ist in aller Munde und mancher fürchtet bereits, dass Computer bald intelligenter sein könnten als wir Menschen und dann die Weltherrschaft übernehmen. Das ist vorerst Science Fiction, aber tatsächlich sind Rechner bei bestimmten Aufgaben in den letzten Jahren verblüffend gut geworden. Eine dieser „Fähigkeiten“ besteht im Erkennen und der Klassifizierung von Gegenständen und sogar Personen.

Hierbei kommen Neuronale Netzwerke zum Einsatz. Aber wie funktioniert das alles? Für alle, die sich dafür interessieren und selbst mit der Technologie experimentieren möchten, ohne riesige Softwarepakete installieren und in leistungsfähige Rechner investieren zu müssen, hat Google eine Website veröffentlicht. Um mit der TeachableMachine zu experimentieren und die Funktionsweise von Neuronalen Netzwerken besser zu verstehen, benötigt man nur einen Computer mit einer Webcam, einen Webbrowser und eine Internetverbindung.

Die TeachableMachine erlaubt es, bis zu drei verschiedene Objektklassen zu trainieren und anschließend automatisch erkennen zu lassen. Dazu bringen Sie dem System in der Anlernphase anhand von Beispielen zunächst bei, welche Objekte zu welcher Klasse gehören – einfach, indem Sie dieses Objekt in die Kamera halten. So können Sie z.B. das Neuronale Netz der TeachableMachine darauf trainieren, Ihre Hand zu erkennen. Und Büroklammern. Und Kaffeetassen. Oder ganz andere Objekte.

Im zweiten Schritt, dem normalen Betrieb, halten Sie dann nur noch irgendwelche Objekte in die Kamera und das System erkennt, um welche Objektklasse es sich handelt. Sie sehen auch, wie sicher sich das System mit seiner Klassifizierung ist. Und vielleicht macht es dabei auch Fehler: Die TeachableMachine ist wie alle KI-Anwendungen nicht unfehlbar. Aber in einem solchen Fall können Sie weitere Beispiele trainieren und so die Erkennungsgenauigkeit verbessern.

Die TeachableMachine ist eine hervorragende Möglichkeit, nachzuvollziehen, wie solche Systeme funktionieren und wie sie anhand von Mustern angelernt werden können. Es ist also keine explizite Programmierung notwendig, aus der das System die konkrete Form und Beschaffenheit z.B. einer Büroklammer oder einer Hand entnehmen kann, sondern es erlernt automatisch die unterscheidenden Merkmale für die trainierten Klassen.

https://teachablemachine.withgoogle.com/