{"id":97792,"date":"2020-10-22T02:42:27","date_gmt":"2020-10-22T00:42:27","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/novejshaya-tehnologiya-microsoft-poyavivshayasya-v-azure-ai-opisyvaet-izobrazheniya-tak-zhe-horosho-kak-i-lyudi"},"modified":"2020-10-22T02:42:27","modified_gmt":"2020-10-22T00:42:27","slug":"novejshaya-tehnologiya-microsoft-poyavivshayasya-v-azure-ai-opisyvaet-izobrazheniya-tak-zhe-horosho-kak-i-lyudi","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/novejshaya-tehnologiya-microsoft-poyavivshayasya-v-azure-ai-opisyvaet-izobrazheniya-tak-zhe-horosho-kak-i-lyudi","title":{"rendered":"Die neueste Technologie von Microsoft, die in Azure AI eingef\u00fchrt wurde, beschreibt Bilder ebenso gut wie Menschen.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\r\n \"Video\r\n
<\/div>\r\n <\/div><\/center>
\nForscher von Microsoft haben ein KI-System entwickelt, das in der Lage ist, Bildbeschreibungen zu generieren, die in vielen F\u00e4llen pr\u00e4ziser sind als von Menschen erstellte. Dieser Durchbruch stellt einen wichtigen Meilenstein im Bestreben von Microsoft dar, seine Produkte und Dienstleistungen inklusiv und f\u00fcr alle Nutzer zug\u00e4nglich zu machen.<\/p>\n

\u201eBildbeschreibungen sind eine der Hauptfunktionen des maschinellen Sehens, die die Arbeit einer Vielzahl von Diensten erm\u00f6glichen\u201c, sagte Xuedong Huang (Xuedong Huang<\/a><\/noindex>), technischer Mitarbeiter von Microsoft und Chief Technical Officer f\u00fcr Azure AI Cognitive Services in Redmond (Washington).<\/p>\n

Das neue Modell ist nun \u00fcber Computer Vision in\u00a0Azure Cognitive Services<\/a><\/noindex>, das Teil von Azure AI ist, f\u00fcr Entwickler zug\u00e4nglich und erm\u00f6glicht die Verbesserung der Barrierefreiheit ihrer Dienste. Es wird auch in die App Seeing AI integriert und wird Ende dieses Jahres in Microsoft Word und Outlook f\u00fcr Windows und Mac sowie in PowerPoint f\u00fcr Windows, Mac und in der Webversion verf\u00fcgbar sein.<\/a><\/noindex><\/p>\n

Die automatische Beschreibung hilft Nutzern, auf wichtige Inhalte von Bildern zuzugreifen, sei es ein Foto, das in den Suchergebnissen angezeigt wird, oder eine Illustration f\u00fcr eine Pr\u00e4sentation.<\/p>\n

\u201eDie Verwendung von Bildunterschriften, die den Inhalt der Bilder beschreiben (der sogenannte alternative oder Ersatztext), auf Webseiten und in Dokumenten ist besonders wichtig f\u00fcr blinde oder sehbehinderte Menschen\u201c, bemerkte Saqib Shaikh (Saqib Shaikh<\/a><\/noindex>), Software-Manager in der AI-Plattform-Gruppe von Microsoft in Redmond.<\/p>\n

Sein Team nutzt beispielsweise die verbesserte Funktion zur Bildbeschreibung in der Anwendung f\u00fcr blinde und sehbehinderte Menschen\u00a0Seeing AI<\/a><\/noindex>, die erkennt, was die Kamera aufnimmt, und dar\u00fcber berichtet. Die Anwendung verwendet generierte Bildunterschriften, um Fotos, einschlie\u00dflich solcher aus sozialen Medien, zu beschreiben.<\/p>\n

Idealerweise sollten alle alternativen Texte f\u00fcr Bilder in Dokumenten, im Internet und in sozialen Medien hinzugef\u00fcgt werden, da dies blinden Menschen den Zugang zu Inhalten und die Teilnahme am Gespr\u00e4ch erm\u00f6glicht. Leider tun dies jedoch die Menschen nicht, sagt Sheikh. Es gibt jedoch mehrere Anwendungen, die die Funktion zur Bildbeschreibung nutzen, um alternativen Text hinzuzuf\u00fcgen, wenn dieser fehlt.
\n\u00a0\u00a0
\n\"Die
\n
\nLijuan Wang, Hauptmanagerin f\u00fcr Forschung im Microsoft-Labor in Redmond, leitete ein Forschungsteam, das Ergebnisse erzielte, die mit menschlichen Leistungen vergleichbar sind und diese \u00fcbertrafen. Foto: Dan DeLong.<\/i><\/p>\n

Beschreibung neuer Objekte<\/h4>\n

\n\u201eDie Beschreibung von Bildern ist eine der Hauptaufgaben der Computer Vision, die ein KI-System erfordert, um den grundlegenden Inhalt oder die Handlung, die im Bild dargestellt ist, zu verstehen und zu beschreiben\u201c, erkl\u00e4rte Lijuan Wang (Lijuan Wang<\/a><\/noindex>), Hauptmanagerin f\u00fcr Forschung im Microsoft-Labor in Redmond.<\/p>\n

\u201eEs ist wichtig zu verstehen, was passiert, die Beziehungen zwischen Objekten und Aktionen herauszufinden und dann alles in einem f\u00fcr den Menschen verst\u00e4ndlichen Satz zusammenzufassen\u201c, sagte sie.<\/p>\n

Wang leitete eine Forschungsgruppe, die bei der Benchmarks f\u00fcr das\u00a0nocaps<\/a><\/noindex>\u00a0(novel object captioning at scale) Ergebnisse erzielte, die mit menschlichen Resultaten vergleichbar sind und diese sogar \u00fcbertreffen. Diese Tests bewerten, wie gut KI-Systeme Beschreibungen von abgebildeten Objekten generieren, die nicht im Datensatz enthalten sind, auf dem das Modell trainiert wurde.<\/p>\n

Typischerweise werden Bildbeschreibungs-Systeme auf Datens\u00e4tzen trainiert, die Bilder mit begleitenden Textbeschreibungen enthalten, also auf beschrifteten Bilddatens\u00e4tzen.<\/p>\n

\u201eDer nocaps-Test zeigt, wie gut das System in der Lage ist, neue Objekte zu beschreiben, die in den Trainingsdaten nicht vorkommen\u201c, sagt Wang.<\/p>\n

Um diese Aufgabe zu l\u00f6sen, hat das Microsoft-Team ein gro\u00dfes KI-Modell auf einem umfangreichen Datensatz mit Bildern und Textbeschriftungen vortrainiert, wobei jede Beschriftung mit einem bestimmten Objekt im Bild verkn\u00fcpft wurde.<\/p>\n

Datens\u00e4tze mit Bildbeschriftungen anstelle vollst\u00e4ndiger Beschreibungen sind effizienter zu erstellen, was dem Team von Wang erm\u00f6glichte, viele Daten in ihr Modell einzuf\u00fchren. Durch diesen Ansatz erhielt das Modell, was das Team als visuellen Wortschatz bezeichnet.<\/p>\n

Wie Juan erkl\u00e4rte, \u00e4hnelt der Ansatz des Vortrainings mit einem visuellen Wortschatz der Vorbereitung von Kindern auf das Lesen: Zun\u00e4chst wird ein Bilderbuch verwendet, in dem einzelne W\u00f6rter mit Bildern assoziiert werden, beispielsweise steht unter einem Foto eines Apfels 'Apfel', und unter einem Foto einer Katze steht das Wort 'Katze'.<\/p>\n

\u201eDiese Art der Vorbereitung mit einem visuellen Wortschatz ist im Grunde die Grundbildung, die notwendig ist, um das System zu schulen. So versuchen wir, eine Art motorisches Ged\u00e4chtnis aufzubauen\u201c, sagte Juan.<\/p>\n

Das vortrainierte Modell wird anschlie\u00dfend mit einem Datensatz verfeinert, der signierte Bilder umfasst. In dieser Trainingsphase lernt das Modell, S\u00e4tze zu formulieren. Wenn ein Bild mit neuen Objekten erscheint, nutzt das KI-System ein visuelles Lexikon, um pr\u00e4zise Beschreibungen zu erstellen.<\/p>\n

\u201eUm mit neuen Objekten bei Tests umzugehen, kombiniert das System, was es w\u00e4hrend des Vortrainings und der nachfolgenden Verfeinerung gelernt hat\u201c, sagt Wang.
\nLaut den Ergebnissen\u00a0Forschungen<\/a><\/noindex>, schnitt das KI-System in nocaps-Tests besser ab und erstellte bedeutungsvollere und genauere Beschreibungen als Menschen f\u00fcr dieselben Bilder.<\/p>\n

Beschleunigter \u00dcbergang in die Arbeitsumgebung\u00a0<\/h4>\n

\n\u00dcberdies ist das neue Bildbeschreibungsystem doppelt so gut wie das Modell, das seit 2015 in Microsoft-Produkten und -Diensten verwendet wird, basierend auf einem Vergleich mit einem anderen Branchenstandard.<\/p>\n

Angesichts der Vorteile, die alle Nutzer von Microsoft-Produkten und -Diensten durch diese Verbesserung erhalten werden, hat Juan die Integration des neuen Modells in die Arbeitsumgebung von Azure beschleunigt.<\/p>\n

\u201eWir nutzen diese bahnbrechende KI-Technologie auf Azure als Plattform, um eine breitere Kundenbasis zu bedienen\u201c, sagte er. \u201eUnd dieser Durchbruch ist nicht nur in der Forschung bemerkenswert. Die Zeit, die ben\u00f6tigt wurde, um diesen Durchbruch in die Azure-Umgebung zu integrieren, war ebenfalls revolution\u00e4r.\u201c<\/p>\n

Juan f\u00fcgte hinzu, dass die Erzielung von Ergebnissen, die mit menschlichen Leistungen vergleichbar sind, den bereits etablierten Trend in Microsofts kognitiven Intelligenzsystemen fortsetzt.<\/p>\n

\u201eIn den letzten f\u00fcnf Jahren haben wir in f\u00fcnf wichtigen Bereichen Ergebnisse erreicht, die mit menschlichen F\u00e4higkeiten vergleichbar sind: in der Sprach\u00aderkennung, maschinellen \u00dcbersetzung, Beantwortung von Fragen, maschinellem Lesen und Textverst\u00e4ndnis. Und im Jahr 2020, trotz COVID-19, auch im Bildbeschreiben\u201c, sagte Juan.<\/p>\n

<\/p>\n

Thema<\/h4>\n

<\/p>\n