2368052

KI-Projekte unter Linux für jedermann

21.08.2018 | 14:05 Uhr |

Bei künstlicher Intelligenz denkt man an Computer, die Schachgroßmeister in die Knie zwingen, vielleicht auch an „HAL“ in Kubricks „Odyssee im Weltraum“. Doch KI kann heute unter jedem Linux ganz praktische Alltagsaufgaben erledigen.

„Künstliche Intelligenz“ klingt sehr beeindruckend. Doch Publikumsmedien erwecken mit ihren Berichten oft falsche Erwartungen. Denn „Intelligenz“ darf nicht mit „Bewusstsein“ verwechselt werden. Erschwert wird das Verständnis durch eine wenig trennscharfe Verwendung des Begriffs. Informatiker verstehen darunter eine ganze Reihe von verschiedenen Techniken und Ansätzen. KI-Systeme können sich (derzeit noch in sehr begrenzten Umfang) Wissen selbständig aneignen und werden im Laufe der Zeit immer besser in der Erfüllung der an sie gestellten Aufgabe. Positiv ausgedrückt sind aktuelle KI-Systeme hochgradig spezialisiert. Die KI, die perfekt Go spielt, wird allerdings den Unterschied zwischen einer Giraffe oder eine Maus nicht erkennen. Und eine Bilderkennung wird mit dem Eröffnungszug beim Schach überfordert sein. Negativ formuliert, handelt es sich bei KI-Systemen um das, was wir umgangssprachlich als „Fachidioten“ bezeichnen. In Spezialdisziplinen ist es für den Menschen schwer, an die Maschinen heranzukommen. Wer Spaß am Anpassen und Entwickeln eigener Scripts hat, kann KI inzwischen auch im Rahmen eigener Projekte nutzen.

Lesetipp Künstliche Intelligenz – eine Standortbestimmung

Der eigene intelligente Lautsprecher

Eine Disziplin der künstlichen Intelligenz ist die Mustererkennung. Ob Handschriften während der Eingabe übersetzt werden müssen oder die Sprache während eines Diktats: Die Erkennungsraten verbessern sich, weil die dahinterstehenden Programme in der Lage sind, selbständig zu lernen. Mycroft ist eine auf Open Source basierende Spracherkennung, die eine Alternative zu Amazons Alexa oder Apples Siri sein will. Tatsächlich ist es den Machern gelungen, auf Kickstarter erfolgreich eine Kampagne durchzuführen, die den Bau eines von Mycroft angetriebenen Lautsprechers finanzieren soll. Wer selbst mit der Alternative zu kommerziellen Assistenten experimentieren will, kann das mit einfachen Mitteln. Dazu benötigen Sie einen Raspberry Pi (am besten die dritte Generation), einen passiven Lautsprecher, an den keine besonderen Ansprüche gestellt werden, sowie ein Mikrofon für die USB-Schnittstelle. Das Ganze funktioniert mit Picroft, einer Distribution für den Raspberry Pi , die Mycroft bereits an Bord hat.

Die Einrichtung ist typisch einfach, indem Sie die Imagedatei mittels Etcher oder einem anderen Werkzeug auf die SD-Karte kopieren. Dann verbinden Sie den Rechner per Ethernet-Kabel mit dem heimischen Netzwerk und verbinden alle anderen Komponenten. Für die ersten Schritte mit dem System ist es empfehlenswert, Monitor und Tastatur anzuschließen. Wie bei den kommerziellen Assistenten stammt die Intelligenz aus der Cloud. Deswegen ist ein Pairing zwischen dem Gerät und dem Server der Betreiber notwendig.

Eine Methode, Mycroft zu initialisieren, ist das vom Rechner aufgespannte WLAN zu benutzen, um den angezeigten Code in der Cloud zu hinterlegen.
Vergrößern Eine Methode, Mycroft zu initialisieren, ist das vom Rechner aufgespannte WLAN zu benutzen, um den angezeigten Code in der Cloud zu hinterlegen.

Die Vorgehensweise dazu zeigt Picroft direkt auf dem Monitor an. Über ein anderes Gerät (das kann auch ein Smartphone sein) verbinden Sie sich mit dem lokalen Netzwerk „MyCroft“ und rufen darüber die URL „start.mycroft.ai“ auf. Auf der nachfolgenden Seite werden dann die Zugangsdaten für das WLAN-Netzwerk des eigenen Routers eingetragen. Derzeit werden aber noch keine Netzwerke im Fünf-GHz-Modus unterstützt. Der Raspberry startet anschließend neu und das Gerät ist bereits einsatzbereit. Fragen Sie doch spontan mal nach dem Wetter: „Hey Mycroft, how’s the weather in Hamburg?“. Tatsächlich versteht und „spricht“ Mycroft experimentell auch bereits die deutsche Sprache. Dazu ist aber etwas Handarbeit an den Einstellungsdateien notwendig. Das wird aber von den Entwicklern sehr gut im Wiki erklärt . Und selbstverständlich können Sie nach dem erfolgreichen Pairing Monitor und Tastatur vom Raspberry entfernen. Da es sich um ein auf Debian basierendes System handelt, genügt ein SSH-Terminal, um die Konfiguration des Systems zu verändern.

Lesetipp Künstliche Intelligenz: Fragen und Antworten zur Zukunft

Maschinelles Lernen für (fast) jeden

Während sich Mycroft dank seiner Umsetzung für den Raspberry Pi sehr zugänglich zeigt, erfordern andere KI-Projekte vom Nutzer etwas mehr Durchhaltewillen. Sie sind nicht weniger beeindruckend als die Spracherkennung, bieten aber keine eigenen Anwendungen an. Wer sie nutzen will, sollte also Kenntnisse in der Programmierung mitbringen, um die künstliche Intelligenz einsetzen zu können. Sicherlich eines der herausragenden Projekte ist Tensorflow , das von Google gefördert und auch in eigenen Anwendungen genutzt wird. Es handelt sich um ein Framework, das vielseitig eingesetzt werden kann. Die Logik für das maschinelle Lernen läuft auf dem Server, aber eingebunden werden muss sie dann über eine passende Programmiersprache.

Tensorflow-Entwickler erklären die Grundlagen des maschinellen Lernens und stellen Codebeispiele zur Verfügung.
Vergrößern Tensorflow-Entwickler erklären die Grundlagen des maschinellen Lernens und stellen Codebeispiele zur Verfügung.

Bei Redaktionsschluss noch frisch gebackenes Mitglied der Tensorflow-Familie ist Tensorflow. js. Die Bibliotheken wurden ursprünglich unter dem Namen Deeplearn.js entwickelt. Wie der Name verrät, können damit Programme in Javascript um maschinelles Lernen erweitert werden. Der Einsatz der Methoden wird nicht nur in einer umfangreichen Dokumentation erklärt. Es steht auch eine ganze Reihe von Demoanwendungen zur Verfügung. Diese haben ihren Schwerpunkt in der Bilderkennung. So lernen Sie hier auf spielerische Weise mehr über das Training bei der Bilderkennung. Denn bevor ein System Daten automatisiert auswerten kann, muss es zunächst mit jeder Menge Daten gefüttert werden. Da auch der Code der Demos heruntergeladen werden kann, erfahren Sie hier, wie beispielsweise anhand von Fotos die Lage von Personen auf einem Bild identifiziert wird oder wie die Bild- oder besser Mustererkennung in der Praxis funktioniert.

Schon solche erste Schritte sind sehr lehrreich, denn man kann dann erst ermessen, wie viel Arbeit hinter aktuellen Apps wie der visuellen Suche von Google oder Microsoft auf dem Handy steckt. Bevor ein Programm das scheinbar offensichtliche Muster eines Regenschirms erkennt, muss es vorher jede Menge Bilder von Regenschirmen ausgewertet haben. Und da gibt es natürlich auch jede Menge Falscherkennungen, die der Programmierer noch korrigieren muss. Wer Python als Programmiersprache bevorzugt, kann die KI von Tensorflow auf jedem System einsetzen, für das Python zur Verfügung steht. Installationsanleitungen stehen für Ubuntu, Mac-OS und Windows parat. Einfach loslegen!

Bevor Programme Objekte erkennen oder damit interagieren können, ist erst einmal ausführliches Training angesagt.
Vergrößern Bevor Programme Objekte erkennen oder damit interagieren können, ist erst einmal ausführliches Training angesagt.

Nicht wenige Medienberichte suggerieren, dass die düsteren Visionen aus der Filmreihe „Terminator“ bald Wirklichkeit werden könnten. Wer bei diesem Thema mitreden will, kann mit Projekten wie Tensorflow die ersten Gehversuche mit KI unternehmen. Vermutlich wird man danach seine eigenen Schlüsse ziehen.

PC-WELT Marktplatz

0 Kommentare zu diesem Artikel
2368052