.svg "publish-industry Verlag GmbH"){kind=logo}
So auch bei der Künstlichen Intelligenz. Sie wird zwar bereits mit viel Getöse an den unterschiedlichsten Stellen durchaus nutzbringend eingesetzt, von vielen zudem als Bedrohung – beispielsweise des Arbeitsplatzes – empfunden, ist jedoch noch nicht so richtig spürbar in unserem Alltag angekommen.
Außer in China bei der staatlich verordneten Gesichtserkennung: Die im Reich der Mitte bereits installierten rund 175 Millionen Überwachungskameras (in den USA sind es 50 Millionen) sollen sich im kommenden Jahr ungefähr verdreifachen. Und dann nicht nur gesuchte Kriminelle aus Menschenmassen herausfischen, sondern auch Grundlage des gesellschaftlichen Bonitätssystems sowie des bargeldlosen Zahlungsverkehrs sein: Man zahlt mit seinem Gesicht und erhält seinen Schufa-Lebenseintrag ganz automatisch.
Menschenähnliche Roboter
Indes: Auch wir sind auf dem Weg dahin, wenngleich wesentlich zurückhaltender. Besonders hierzulande, wo alles, was auch nur im Mindesten nach „Überwachungsstaat“ riecht, zur sofortigen inneren Sperre und gewiss auch zu heftigen und lauten Protesten führt. Man duldet zwar stillschweigend den KI-Einsatz zur Sicherheit und Zugangskontrolle etwa an Flughäfen. Aber schon beim Assistenzroboter, der Alter und Geschlecht eines Kunden identifiziert und passende Einkaufsempfehlungen ausspricht, machen wir dicht.
Und die mit dem nächsten Intelligenzschritt ausgestattete Kombination aus Bildverarbeitung und Deep Learning sitzt bereits im Labor: noch pfiffigere Androide, die sogar unsere Gefühle und Emotionen erkennen und entsprechend reagieren. Auch hier werden wir voraussichtlich zunächst mit nützlichen Applikationen „weichgespült“ – zum Beispiel über persönliche Begleitung, Gesundheitsdiagnose oder Notfallmaßnahmen.
Allerdings müssen Roboter, um bei diesen Aufgaben effektiv und glaubwürdig zu sein, menschenähnliche Reaktionszeiten in Echtzeit aufweisen. Diese sind nur möglich, wenn die KI-Technologie direkt an der Edge ausgeführt wird. Denn noch läuft der überwiegende Teil der lernenden Bildverarbeitung verzögert über die Cloud. Zukünftige Szenarien benötigen neben schnelleren Reaktionszeiten eine höhere Genauigkeit. Neuere Entwicklungen ermöglichen es, Algorithmen so anzupassen, dass sie weniger Rechenleistung verbrauchen (so für mobile Anwendung), die Latenzzeit reduzieren (ein intelligentes Türschloss) oder viele Bilder auf einmal erfassen (intelligente Stadtüberwachung).
Wettbewerb zur Gesichtserkennung
Im Rahmen des Wettbewerbs der Gesichtserkennungsalgorithmen der University of Washington, der MegaFace Challenge, demonstrierte CyberLink seine Führungsrolle und wurde mit FaceMe Gewinner, einem plattformübergreifenden Software-Entwicklungskit, das Attribute wie Alter, Geschlecht und Emotion zu analysieren vermag. Das neuronale Netzwerk wurde auf großen Bilddatenbanken vortrainiert und ist kompatibel mit Frameworks wie TensorFlow und Core ML, in die Entwickler ihre eigenen Trainingsdaten integrieren können.
Dabei behält FaceMe seine Genauigkeit von 98 Prozent bei der Geschlechtererkennung, von bis 86 Prozent bei Emotionen und einem durchschnittlichen Durchschnittsfehler von 5,8 Jahren bei der Altersanalyse bei. Außerdem lässt sich bei Aktivierung der Intel-Distribution des OpenVino-Toolkits für FaceMe-basierte Algorithmen die Gesichtserkennung um bis zu 500 Prozent beschleunigen.
Zugegeben, das klingt noch arg nach Nische und wenig nach Killer-App. Aber vielleicht morgen? An der kreativen Kraft der Entwickler wird es kaum liegen. Am Schutz der Privatsphäre? Gibt’s das noch?
