Steckbrief: Machine Learning Tools

Was ist Machine Intelligence? Ein Blick auf Theorie und Praxis von HTM

Matt Taylor

© Shutterstock / Daboost (modifiziert)

Im Rahmen unseres Themen-Dossiers zum Maschinellen Lernen stellen wir interessante Projekte und Beispiele vor. Heute bewegen wir uns etwas weg von Machine Learning, hin zu Machine Intelligence und stellen die Hintergründe der Technologie HTM vor.

Hinter HTM (Hierarchical Temporal Memory), der Machine-Intelligence-Technologie von Numenta, stecken die Fragen, wie Intelligenz im Neokortex des Gehirns von Säugetieren funktioniert und wie sich die gleichen Prinzipien auf die Entwicklung von Software anwenden lassen. Numenta sucht nicht unbedingt nach Lösungen für das Machine Learning, wie es heute verstanden wird. Wir glauben aber, dass unser Ansatz eine ganz neue Art von Problemen lösen kann; über viele davon wird heute noch nicht einmal nachgedacht. Alle Algorithmen, die Numenta für HTM entwickelt hat, sind Open Source. Wir versuchen aktiv, eine Community aus Leuten aufzubauen, die mit Leidenschaft mit der HTM-Technologie arbeitet.

Unter der Haube von HTM

Die primäre Implementierung von HTM, NuPIC (Numenta Platform for Intelligent Computing), wurde in Python und C++ geschrieben. Da unser Code aber vollständig Open Source ist, gibt es verschiedene von der Community betreute HTM-Projekte, die andere Sprachen wie Java und Clojure verwenden. Jede dieser Implementierungen kann potenziell zur Lösung ähnlicher Probleme genutzt werden.

Die heutigen Implementierungen von HTM sind am besten dazu geeignet, schnell laufende Daten-Streams zu verstehen, genau wie unser Gehirn gut darin ist, den stetigen Fluss neuronaler Aktivierungen zu verarbeiten, der aus unseren Sinneseindrücken entsteht. HTM konvertiert eingegebene Daten in Sparse Distributed Representations (SDRs), die wiederum den Zustand von Neuronen repräsentieren. Das HTM-System verarbeitet Datenströme aus SDRs und findet darin sowohl räumliche als auch zeitliche Muster. Aus diesen Mustern kann das HTM-System Vorhersagen ableiten und darin Anomalien erkennen. Wer mehr über SDRs lernen möchte, kann sich diese Videos aus unserer Video-Serie „HTM School“ ansehen: SDR Capacity & ComparisonSDR Overlap Sets and SubsamplingSDR Sets & Unions und Datetime Encoding.

Das Numenta Anomaly Benchmark zeigt, wie gut NuPIC im Finden von Anomalien innerhalb von realen, kategorisierten Daten ist. Einer unserer Partner nutzt NuPIC für seine IT Analytics, indem er nach Anomalien auf AWS-Servern suchen lässt.

HTM-Beispiel zum Ausprobieren

Wie wäre es mit einem Beispiel, das sich sofort ausführen lässt? Man kann HTM Studio ausprobieren und darin eigene Datenströme verarbeiten lassen. Der Datenstrom wird automatisch modelliert und Anomalien in den Daten werden identifiziert. Der Download ist kostenlos; eine Anleitung zur Verwendung gibt es hier.

Für alle, die mehr zum Entwickler-Typ gehören, können wir auch ein technisches Beispiel anbieten. Wir nennen es „Hot Gym“. In diesem Beispiel wird der Strombedarf eines australischen Fitnessstudios von NuPIC verarbeitet. Es wird eine Vorhersage dazu gemacht, wie viel Strom das Studio in Zukunft verbrauchen wird. Das Tutorial besteht aus zwei Teilen. Der eine zeigt, wie Vorhersagen erstellt werden, der andere, wie der Anomalie-Score zu jedem Zeitpunkt ausgegeben werden kann. Der Score gibt an, wie unerwartet der gegenwärtige Status der Daten im Vergleich zu bereits erfassten Daten ist. Die verlinkten Tutorial-Videos bauen den Code so ziemlich von Anfang an auf:

Die Zukunft von HTM

Die Theorie hinter HTM ist noch in der Entwicklung begriffen. Numenta befindet sich gerade in der Forschungsphase und versucht zu verstehen, wie die sensomotorische Integration im Neokortex funktioniert. Bald werden wir den ersten experimentellen Code entwickeln – der ebenfalls transparent ist –, um unsere neuen Theorien zu erforschen. Während wir mehr aus der Theorie in die Software umsetzen, hoffen wir darauf, dass sich neue Möglichkeiten eröffnen. Diese nächste Entwicklungswelle sollte einige interessante Anwendungsmöglichkeiten im Bereich der Robotik erschließen, neben anderen Dingen.

 Steckbrief

Name HTM
Art Machine Intelligence
Sprachen Plattform NuPIC in Python und C++ (Community-Projekte in Java und Clojure)
Lizenz AGPL Version 3
Home http://numenta.com/#technology
Kontakt https://discourse.numenta.org/

Faszination Machine Learning – das Interview

JAXenter: Was ist an Machine Learning so faszinierend?

Matt Taylor: Machine Learning tendiert dazu, sich auf die Entwicklung von Lösungen für sehr spezifische Probleme zu konzentrieren. Dazu sind Machine-Learning-Experten notwendig, eine große Menge Daten und hochgradig abgestimmte Lösungen. Das spannende an maschineller Intelligenz ist, dass sie näher an die allgemeine Intelligenz des Menschen herankommt. Sie benötigt keine Millionen von Datenpunkten, um zu lernen, genau so wie das menschliche Gehirn aus nur wenigen Beispielen lernt. Eine intelligente Maschine würde sich schnell auf neue Informationen einstellen, ohne dafür offline genommen und neu programmiert werden zu müssen. Es gibt so viele mögliche Anwendungen für intelligente Maschinen, beispielsweise die Überwachung jeder Art von IoT-Sensor, die medizinische Diagnostik und Behandlung sowie die Erforschung herausfordernder Ideen und Orte.

JAXenter: Glaubst du, dass Machinen eines Tages die Welt übernehmen werden? Sind diese Ängste gut begründet?

Matt Taylor: Der Teil des Gehirns, den wir nachbilden, ist der Neokortex, also das neue Gehirn, im Gegensatz zum alten Gehirn. Das alte Gehirn ist der Teil des Menschen, der Wünsche und Bedürfnisse hat, der Macht haben will und wütend werden kann. Wir modellieren ausschließlich den analytischen Teil des Gehirns. Solange wir unsere Computer-Gehirne also nicht darauf programmieren, Wünsche und Bedürfnisse zu haben, kann es sie einfach nicht haben. Wir hoffen darauf, der Menschheit in der Zwischenzeit durch bessere analytische Möglichkeiten in der Datenverarbeitung viele neue Möglichkeiten bieten zu können, um den Zustand der Menschen zu verbessern.

JAXenter: Welche Top 3 Blogs/Filme/Bücher kommen dir in den Sinn, wenn jemand mehr über Machine Learning erfahren möchte?

Matt Taylor: Wir arbeiten nicht mit Machine Learning, sondern an maschineller Intelligenz. Meine Antworten beziehen sich also darauf.

Zuerst sollte man „On Intelligence“ von unserem Mitbegründer Jeff Hawkins lesen. Das ist das Buch, das ich 2006 gelesen habe und das mein Interesse daran geweckt hat, wie Intelligenz funktioniert und wie wir sie in Software implementieren können.

Und da Du mich gefragt hast, ob die Maschinen die Weltherrschaft übernehmen werden, empfehle ich ein interessantes fiktionales Beispiel einer Utopie, die zeigt, wie ich mir eine Zukunft vorstellen würde, in der es wirklich intelligente Maschinen gibt: Die Culture-Serie von Iain M. Banks.

Als drittes hat mir aus einem bestimmten Grund immer die HAL 9000-Repräsentation maschineller Intelligenz aus „2001: Odyssee im Weltraum“ gefallen. HAL wurde geboren und hat alles, was er wusste, mit der Zeit gelernt, genau wie ein Mensch. HAL erwähnt im Film, dass sein Schöpfer ihm ein Lied beigebracht hat als es jung war. Ich glaube, dass wir genau diese Art von Intelligenz irgendwann mit HTM erzeugen werden: Eine Intelligenz, die zur Welt kommt, ohne etwas zu wissen, wie ein leeres Gehirn, und die mit der Welt interagieren muss, um zu verstehen, worum es geht.

JAXenter: Beenden Sie die folgenden Sätze:

Machine Learning wird in 50 Jahren…

…allgegenwärtig sein.

Wenn Machinen intelligenter als Menschen werden…

…wird die Menschheit die größten und schnellsten technologischen Fortschritte in ihrer Geschichte erleben.

Im Vergleich mit Menschen wird eine Machinen nie…

…nie emotional sein.

Die Menschheit würde folgende Probleme nie ohne die Hilfe von Machine Learning lösen:

Den Mars besiedeln.

Verwandte Themen:

Geschrieben von
Matt Taylor
Matt Taylor
Matt Taylor ist das Sprachrohr der Open-Source-Community der Numenta-Plattform für intelligentes Computing. Einen großen Teil seiner Zeit verbringt er mit dem Managen der NuPIC OS Community.
Kommentare

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu: