photograph 2018 05-06

vom Fach // Künstliche Intelligenz
Neue Imaging-Welt – Wie die Bilder denken lernen
Imaging-Industrie & Artificial Intelligence – Motor für die Zukunft
Sich selbst sortierende digitale Bildarchive, selbstfahrende Autos, automatisch nachbestellende
Kühlschränke – die Zukunft verspricht komfortabel zu werden. „Wenig präsent ist, dass
für all diese Szenarien die Imaging-Industrie mit ihren neuartigen Technologien der Bilderfassung und
-verarbeitung der wesentliche Taktgeber ist“, kommentiert Christian Müller-Rieker vom Photoindustrie-Verband
die Innovationswelle. Immer sind es Kameras oder verwandte Geräte und
häufig KI-gestützte Bildauswertungstools, die das alles ermöglichen. Der Bedarf an sehenden
und interpretierenden Systemen ist grenzenlos. – Photoindustrie-Verband e.V.
Bisher: Automatisierte Bildverarbeitung
Automatisierte Bildverarbeitung hat schon heute
unendlich viele Anwendungsgebiete. Beispielsweise
vermag sie Parklücken auf der Straße und fehlende Milch
im Kühlschrank oder in der industriellen Fertigung
Oberflächengüte von Werkstücken zu diagnostizieren.
Sie ist die Schlüsseltechnologie für Industrie 4.0: Präzise
und zuverlässig werden wiederkehrende, gleichförmige
Aufgaben bewältigt. Individuell reagieren jedoch wie ein
Mensch können Bildverarbeitungs-Systeme nicht. Auch
für komplexere Aufgaben, wie etwa der Erkennung von
Personen auf Fotos von Überwachungskameras, bedarf es
intelligenter Systeme, die zuvor mit einer Flut an Informationen
gespeist wurden.
Intelligente, selbst lernende Systeme führen auf das
nächste Level
Unter „intelligent“ und damit künstlicher Intelligenz
(KI oder „AI“ für artifical intelligence) versteht man vor
allem selbst lernende Systeme. Während man früher die
Parameter zur Gesichtserkennung fest einprogrammieren
musste, kann sich das moderne Software heute selbst
erarbeiten. Als Basistechnologie werden dazu sogenannte
„Neuronale Netze“ verwendet. Sie sind vielfältig wie ein
Schweizer Taschenmesser und haben nicht nur die Bildsondern
auch die Spracherkennung auf eine ganz neue
Ebene gehoben. Ähnlich wie der Mensch, baut KI auf
Lernprozesse. Anhand von Versuch und Irrtum erkennen
neuronale Netze, welche Operationen sie ausführen
müssen, um zum gewünschten Ergebnis zu
kommen. Werden mehrere Schichten von
neuronalen Netzen in Kombination eingesetzt,
verbessern sich die Ergebnisse deutlich. Man
spricht dann vom „deep learning“.
Idealerweise werden neuronale Netze zum Start
daher mit bereits von Menschen bewerteten
Daten gefüttert, z.B. manuell verschlagwortete
Bilder. Je mehr sie davon haben, umso besser
können sie Muster erkennen und umso zuverlässiger
werden die Endergebnisse. Im Lauf der
Zeit werden sie immer besser, denn sie lernen
ständig dazu.
© Zapp2Photo
Bilderkennung in der Praxis
Stockfotografie-Anbieter machen sich ihren
großen Datenbestände zu Nutze und lassen
dank künstlicher Intelligenz automatisch
Schlagworte für Aufnahmen vorschlagen.
6 der photograph 05/06 2018