Von den Anfängen bis zur Revolution im Deep Learning.
Deep Learning ist eine Klasse von Algorithmen für maschinelles Lernen und beschreibt eine moderne Art, neuronale Netze zu bauen, zu trainieren und zu benutzen. Im Vergleich zu „klassischen“ neuronalen Netzten werden hier mehr versteckte Schichten genutzt – das Netz ist also tiefer (engl.: deep).
Der Begriff Deep Learning wurde 1986 von Rina Dechter eingeführt, der erste Algorithmus wurde aber schon 1967 von Alexey Ivakhnenko veröffentlicht. Da das Training von Deep Learning Netzen sehr rechenintensiv ist, war deren Anwendung in der Vergangenheit allerdings limitiert. 2009 erneuerte Nvidia das Interesse an Deep Learning, da es mit deren modernen Graphikkarten möglich wurde die Lerngeschwindigkeit solcher Netze um das Hundertfache zu erhöhen und somit die benötigte Lernzeit von Wochen auf Tage zu verkürzen.
In den letzten zehn Jahren kam es deshalb zu einer Deep Learning Revolution und Deep Learning Netzte konnten immer wieder neue Höchstleistungen zeigten. So gelang es zum Beispiel 2011 das erste Mal, visuelle Muster mit Deep Learning besser zu erkennen als es für Menschen möglich ist. 2012 gewann das Deep Learning Netz AlexNet den ImageNet Wettbewerb, bei dem es bei der Erkennung von Objekten in Bildern 10% weniger Fehler machte als andere Wettbewerber.
Neben der Objekterkennung in Bildern, findet Deep Learning heute auch in vielen anderen Bereichen Anwendung. So wird es zum Beispiel zur Spracherkennung in den gängigen Sprachassistenten wie Alexa oder Siri genutzt. Ebenso kommt es bei der automatischen Übersetzung zum Einsatz, beispielsweise durch Google Translate. Andere Anwendungsgebiete liegen in der Erforschung von neuen Medikamenten, bei der Erstellung von Empfehlungen wie sie zum Beispiel auf Netflix oder Amazon angezeigt werden, bei der Analyse medizinischer Bilder, bei der Betrugserkennung im Finanzwesen, oder bei der Erstellung von Deepfakes.