{"id":35293,"date":"2019-10-31T22:03:28","date_gmt":"2019-10-31T19:03:28","guid":{"rendered":"https:\/\/prohoster.info\/blog\/lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari\/"},"modified":"2019-10-31T22:03:28","modified_gmt":"2019-10-31T19:03:28","slug":"lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari","title":{"rendered":"Hat die Blase des maschinellen Lernens geplatzt oder ist es der Beginn eines neuen Zeitalters?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

K\u00fcrzlich wurde Artikel<\/a><\/noindex>, die die Trends im maschinellen Lernen der letzten Jahre gut aufzeigt. Kurz gesagt: Die Anzahl der Startups im Bereich des maschinellen Lernens ist in den letzten zwei Jahren stark zur\u00fcckgegangen.<\/p>\n

\"Hat
\nNun, schauen wir uns an, ob 'die Blase geplatzt ist', 'wie es weitergeht' und reden wir dar\u00fcber, woher dieser Umstand eigentlich kommt.
\n<\/a><\/noindex>
\nZun\u00e4chst wollen wir dar\u00fcber sprechen, was diesen R\u00fcckgang ausgel\u00f6st hat. Woher kommt er? Vielleicht erinnern sich viele an den Sieg<\/a><\/noindex> des maschinellen Lernens im Jahr 2012 beim Wettbewerb ImageNet. Das war schlie\u00dflich ein globales Ereignis! In Wirklichkeit ist das jedoch nicht der einzige Grund. Und der Anstieg begann schon etwas fr\u00fcher. Ich w\u00fcrde ihn in mehrere Punkte unterteilen.<\/p>\n

    \n
  1. Das Jahr 2008 brachte den Begriff \u201eBig Data\u201c. Reale Produkte begannen Probleme auftreten,<\/a><\/noindex> ab 2010. Big Data sind eng mit dem maschinellen Lernen verbunden. Ohne Big Data ist ein stabiler Betrieb der Algorithmen, die zu diesem Zeitpunkt existierten, nicht m\u00f6glich. Und das sind nicht die neuronalen Netze. Bis 2012 waren neuronale Netze das Metier einer marginalisierten Minderheit. Stattdessen begannen andere Algorithmen zu arbeiten, die schon seit Jahren oder sogar Jahrzehnten existierten: SVM<\/a><\/noindex>(1963, 1993), Random Forest<\/a><\/noindex> (1995), AdaBoost<\/noindex> (2003), \u2026 Die Startups dieser Zeit besch\u00e4ftigten sich vor allem mit der automatischen Verarbeitung strukturierter Daten: Kassen, Benutzer, Werbung und vieles mehr.\n

    Die Nachfolge dieser ersten Welle ist eine Sammlung von Frameworks wie XGBoost, CatBoost, LightGBM usw.\n<\/li>\n

  2. In den Jahren 2011-2012 konvolutionale neuronale Netze<\/a><\/noindex> gewannen mehrere Wettbewerbe zur Bilderkennung. Ihre tats\u00e4chliche Anwendung lie\u00df jedoch etwas auf sich warten. Ich w\u00fcrde sagen, dass wirklich durchdachte Startups und L\u00f6sungen ab 2014 aufkamen. Es dauerte zwei Jahre, um zu erkennen, dass neuronale Netze tats\u00e4chlich funktionieren, um benutzerfreundliche Frameworks zu entwickeln, die man in angemessener Zeit installieren und starten kann, sowie Methoden zu entwickeln, die die Konvergenzzeiten stabilisieren und beschleunigen.\n

    Konvolutionale Netze erm\u00f6glichten die L\u00f6sung von Aufgaben des maschinellen Sehens: Klassifizierung von Bildern und Objekten in Bildern, Objekterkennung, Erkennung von Objekten und Personen, Bildverbesserung usw.<\/li>\n

  3. 2015-2017. Ein Aufschwung von Algorithmen und Projekten, die auf rekurrenten Netzwerken oder deren Entsprechungen (LSTM, GRU, TransformerNet usw.) basieren. Es tauchten leistungsf\u00e4hige Algorithmen f\u00fcr \"Sprache-zu-Text\" und maschinelle \u00dcbersetzung auf. Teilweise basieren sie auf Convolutional Networks zur Extraktion grundlegender Merkmale und teilweise darauf, dass man gelernt hat, wirklich gro\u00dfe und hochwertige Datens\u00e4tze zu erstellen. <\/li>\n<\/ol>\n

    \n\"Hat
    \n
    \n\"Ist die Blase geplatzt? Ist der Hype \u00fcberhitzt? Sind sie gestorben wie Blockchain?\"
    \nGanz bestimmt! Morgen wird Siri auf Ihrem Telefon nicht mehr funktionieren, und \u00fcbermorgen wird Tesla einen Linksabbieger nicht von einem K\u00e4nguru unterscheiden k\u00f6nnen.<\/p>\n

    Neuronale Netzwerke arbeiten bereits. Sie sind in Dutzenden von Ger\u00e4ten integriert. Sie erm\u00f6glichen tats\u00e4chlich Einnahmen, ver\u00e4ndern den Markt und die umgebende Welt. Der Hype sieht etwas anders aus:<\/p>\n

    \"Hat
    \n
    \nNeuronale Netzwerke sind nichts Neues mehr. Ja, viele Menschen haben \u00fcberzogene Erwartungen. Aber eine gro\u00dfe Anzahl an Unternehmen hat gelernt, Neuronale Netzwerke anzuwenden und Produkte auf ihrer Basis zu entwickeln. Neuronale Netzwerke bieten neue Funktionen, erm\u00f6glichen die Reduzierung von Arbeitspl\u00e4tzen und senken die Kosten f\u00fcr Dienstleistungen:<\/p>\n