Deep Learning
Google nutzt es in seinen Algorithmen zur Stimm- und Bilderkennung, Netflix und Amazon machen es sich zunutze um herauszufinden, was Sie ansehen oder kaufen wollen und WissenschaftlerInnen sagen damit die Zukunft vorher.
Was ist also dieses Deep Learning?
Im Fokus von Deep Learning, das als Teil der AI (Artificial Intelligence) und darin als Subset des Machine Learning definiert werden kann, liegen die vom Machine Learning genutzten Tools und Techniken. Deep Learning nutzt diese um praktisch jedes erdenkliche Problem zu lösen (Unterscheidung und hilfreiche Erklärungen in diesem Post).
Wie funktioniert Deep Learning?
Wird einem Computer System eine große Menge an Daten gefüttert, kann es , basierend darauf,wiederum Entscheidungen über andere Daten treffen. Diese Daten laufen, wie auch beim Machine Learning, durch neurale Netzwerke, die binäre ‚richtig oder falsch‘ Fragen stellen oder numerische Werte extrahieren um sie dann ihren Antworten entsprechend zu klassifizieren.
Ein Großteil der Arbeit um das Deep Learning beschäftigt sich mit der Kreierung dieser Netzwerke, weswegen man diese auch “Deep Neural Networks” nennt— logische Netzwerke mit einer Komplexität die es ihnen erlaubt Datensets zu klassifizieren, die beispielsweise mit der ständig wachsenden Menge an Tweets fertig werden.
Deep Learning kann für jede Dateiform genutzt werden: Audio, Video, Sprache, Geschriebenes; um dann zu einem Schluss zu kommen, welcher auch von einem Mensch sein könnte – einem sehr, sehr schnellen Mensch.
Praktisches Beispiel
Stellen Sie sich ein System vor das kreiert wurde um automatisch aufzunehmen und zu berichten, welche und wie viele Autos einer bestimmten Marke auf bestimmten öffentlichen Straßen unterwegs sind. Dazu benötigt das System Zugang zu einer großen Datenbank, welche (unter anderem) Informationen über Autotypen, ihre Größe, Motorgeräusche enthält. Diese Daten können entweder manuell eingespeist oder automatisch vom System zusammengesucht werden, vorausgesetzt es programmiert wurde programmiert, das Internet dahingehend zu durchsuchen.
Im nächsten Schritt greift das System auf Daten zu, welche erst aufbereitet werden müssen, wie zum Beispiel jene von Straßenkameras. Die Daten dieser Sensoren/Straßenkameras werden dann mit den zuvor “gelernten” Daten verglichen und klassifiziert. Da es sich um ein Deep Neural Network handelt, sammelt es mit der Zeit mehr Erfahrung.So steigt die Wahrscheinlichkeit einer richtigen Klassifikation analog zu den “selbstantrainierten” Daten immer höher.
Wo wird diese Form der AI auch für Anwältinnen interessant?
Ein von britischen und amerikanischen WissenschaftlerInnen kreiertes System hat vor Kurzem gezeigt, dass es korrekt vorhersagen kann, wie ein Gericht sich entscheiden wird – aufgrund der Basic Facts mit denen es gefüttert wurde. Bei der Vorhersage wie rechtliche Entscheidungen ausgehen werden könnte diese Form der AI demnach zukünftig eine beachtliche Hilfe für AnwältInnen darstellen.
Wann uns diese Deep Learning Systeme auch im Alltag unterstützen werden ist schwer abzuschätzen, aber selbst WissenschaftlerInnen sind überrascht von der rapiden Entwicklung sowie den bereits jetzt vorhandenen Möglichkeiten.
Ihr Future-Law Team,
Sophie Martinetz & Sophie Werner
