Bildquelle: Wikimedia Commons
Ein lehrstuhlübergreifendes Team der Gruppen Maschinelles Lernen für automatisches Algorithmendesign (Dr. Frank Hutter) und Maschinelles Lernen (Dr. Joschka Bödecker) hat die Expertenphase der ChaLearn AutoML challenge gewonnen. In dem Wettbewerb ging es darum, automatische Verfahren zur Untersuchung von Datensätzen aller Arten (z.B. aus der medizinischen Diagnostik, Spracherkennung, und Objekterkennung) zu entwickeln. Im Normalfall ist die Untersuchung solcher Datensätze durch Experten des maschinellen Lernens ein langwieriger manueller Prozess. Diesen Prozess zu automatisieren und schnellstmöglich gute Vorhersagen zu machen stellte die Wissenschaftler daher vor eine große Herausforderung.
In den drei vorherigen Phasen des Wettbewerbs (Beginner, Fortgeschrittene, Erfahrene) hatte das Team vom IIF bereits über 150 Teams geschlagen, und nun erzielte es in der Expertenphase sowohl den 1. Platz im direkten Vergleich mit menschlichen Experten als auch den 1. Platz im vollautomatisierten Wettbewerb und gewann somit 3.000 Dollar Preisgeld. Zum ersten Mal gewann das Team auch auf einem Datensatz mit seinem "Auto-Net" Ansatz, einer automatischen Methode, um performante tiefe neuronale Netze zu erstellen.
Maschinelles Lernen, und insbesondere sogenanntes Deep Learning, wird in unserer heutigen Informationsgesellschaft immer gefragter und die Nachfrage nach Experten übersteigt bei weitem die Ausbildungskapazitäten der Universitäten. Dass die künstliche Intelligenz des IIF-Teams nun wiederholt in unabhängigen Wettbewerben gegen ebensolche menschliche Experten gewann kann also weitreichende Konsequenzen haben.
Das IIF Team ist teilweise durch das Excellenzcluster BrainLinks-BrainTools finanziert, in welchem maschinelles Lernen zur Dekodierung von Gehirnströmen eingesetzt wird – z.B. zur Früherkennung epileptischer Anfälle oder zur Steuerung intelligenter Prothesen. Ein Ziel des Teams ist es, die Konstruktion dieser Modelle zu automatisieren, damit in der Zukunft individualisierte Modelle für jeden Patienten gelernt werden können.
Einen wissenschaftlichen Artikel zu seinem Verfahren stellte das IIF Team auf der weltweit führenden Konferenz im maschinellen Lernen NIPS vor. Das System des Teams ist online verfügbar und ermöglicht selbst Laien die effektive Benutzung von maschinellem Lernen.