Machine Teaching
Erfahren Sie mehr zu den Konzepten von Machine Teaching, die es Entwicklern oder Experten mit wenig KI-Erfahrung ermöglichen, abstrakte Konzepte in ein intelligentes System einzubringen.
Mehr zu Machine Teaching
Die Notwendigkeit
Der derzeitige Standardansatz für Machine Learning besteht darin, Computer mit vielen Daten zu versorgen und von ihnen zu erwarten, dass sie selbständig Assoziationen herstellen oder nach Mustern suchen. Mittlerweile hat sich jedoch der Wunsch entwickelt, Künstliche Intelligenz für mehr Szenarien einzusetzen.
Die Idee
Für diese Szenarien können Fachexperten ein Problem in leichtere Aufgaben zerlegen und Machine Learning-Modellen wichtige Hinweise geben, wie sie schneller eine Lösung finden, wie z. B. bei Lehrplänen.
Die Lösung
Wissenschaftler und Produktentwickler von Microsoft haben diese Technik entwickelt, die als Machine Teaching bezeichnet wird und die darauf abzielt, Wissen von Menschen zu erwerben, anstatt Wissen allein aus Daten zu extrahieren.
Machine Teaching: die Grundlagen
Entdecken Sie die Grundlagen von Machine Teaching und erfahren Sie Einzelheiten zu den Demos, die in diesem praktischen Workshop-Projekt zur Verfügung stehen.
Machine Teaching-Architektur
Bei Machine Teaching erlangen Systeme zusätzlich zu den Daten auch Wissen von Menschen. Ein Experte für eine bestimmte Aufgabe liefert eine begrenzte Anzahl von Beispielen für jeden Schritt im Prozess. Diese Beispiele dienen als Instruktionspläne, die den Machine Teaching-Algorithmen bei der Durchführung der Aufgabe helfen sollen, wobei ihr Ansatz je nach Bedarf angepasst wird. Nachdem das Gehirn in der Cloud durch Simulationen und mit Inkling (einer Sprache, die ein Konzept durch einen Zustands-Aktions-Belohnungs-Zyklus lehrt) trainiert wurde, wird es auf Edge eingesetzt, so dass Zustände und Aktionen auf einem autonomen Gerät kommuniziert werden können.
Technische Details zu Machine Teaching
Bei Machine Teaching erlangen Systeme zusätzlich zu den Daten auch Wissen von Menschen. Ein Experte für eine bestimmte Aufgabe liefert eine begrenzte Anzahl von Beispielen für jeden Schritt im Prozess. Diese Beispiele dienen als Instruktionspläne, die den Machine Teaching-Algorithmen bei der Durchführung der Aufgabe helfen sollen, wobei ihr Ansatz je nach Bedarf angepasst wird.
Sehen Sie sich diese interaktiven Demos an und erfahren Sie mehr über Machine Teaching in Aktion:
- Smart Buildings: Heizungs-, Lüftungs- und Klimaanlagen (HLK) machen den größten Teil des gewerblichen Energieverbrauchs aus. Herkömmliche Steuerungssysteme haben Schwierigkeiten, Energie einzusparen, die CO2-Emissionswerte einzuhalten und gleichzeitig den Komfort der Personen im Gebäude zu gewährleisten. Bei dieser Demo geht es um die Reduzierung des Energieverbrauchs bei gleichzeitiger Aufrechterhaltung des Nutzungskomforts und sicherer CO2-Emissionswerte in einem Konferenzraum.
- Maschinenkalibrierung: CNC-Maschinen schneiden Metall mit rotierenden Werkzeugen. Die Reibung verringert die Genauigkeit und erfordert eine periodische Neukalibrierung. Ein Spezialist muss extra zum Kalibrieren des Geräts anreisen, wiederholt Justierungen und Messungen vornehmen, bis das Gerät wieder präzise arbeitet. Diese Demo versucht, eine CNC-Maschine schneller und präziser zu kalibrieren als erfahrenes Bedienpersonal.
- Bewegungssteuerung: Die Bewegungssteuerung automatisiert Maschinen oder Maschinenteile, z. B. Bohrgeräte, die unterirdisch horizontal bohren. Ein Mitarbeiter steuert den unterirdischen Bohrer mit einem Joystick, um ihn im Ölschiefer zu halten und gleichzeitig Hindernisse zu umgehen. Diese Demo zeigt, wie die Steuerung eines Bohrgeräts gemäß einem vordefinierten Bohrplan automatisiert werden kann.
Ressourcen:
Intelligent Robotics
Die Intelligent Robotics-Lösung nutzt Künstliche Intelligenz, um die Zusammenarbeit zwischen Menschen und Geräten zu verbessern. Microsoft AI ermöglicht es der neuen Generation von Robotern, sich an dynamische Situationen anzupassen und auf natürliche Weise mit Menschen zu kommunizieren.
AirSim – Drohnen
AirSim ist ein Simulationstool, das eine 3D-Version einer realen Umgebung erstellt. Eine Drohnensimulation „fliegt“, um Bilder zu erfassen und ein benutzerdefiniertes Ansichtsmodell zu erstellen. Die Künstliche Intelligenz nutzt dieses Ansichtsmodell, um Objekte oder Personen zu identifizieren.
Machine Reading
Die Lösung Machine Reading Comprehension (MRC) beantwortet Fragen zu geschriebenem Text. Mithilfe eines neuronalen Netzes ahmt die MRC-Lösung den Prozess des menschlichen Lesens nach. Stellen Sie eine Frage und MRC liest ein Dokument, bis es die Antwort gefunden hat.
Spektacom
Die Spektacom-Lösung verwendet einen Minisensor an einem Cricketschläger, um Daten zur Qualität, Geschwindigkeit, Drehung und Schwung des Schlags zu sammeln. Diese Daten werden zur Analyse der Qualität des Schlags verwendet, um Profis, Spielern und Trainern zu helfen, ihr Spiel zu verbessern.
Entdecken Sie die Möglichkeiten von KI
Starten Sie Ihre eigenen KI-Innovationen mit Schulungsressourcen und Entwicklungslösungen von Microsoft AI.
AI School
Erfahren Sie, wie Sie Ihre eigenen KI-Erfahrungen mit den KI-Technologie-Kursen erstellen können. Nehmen Sie an Lernpfaden zu den Themen dialogfähige KI, Machine Learning, KI für Geräte, Cognitive Services, autonome Systeme, professionelle KI-Strategien und verantwortungsvolle KI teil.
KI-Plattform
Beginnen Sie mit der Entwicklung von KI-Lösungen mit leistungsfähigen Tools und Diensten. Microsoft AI ist ein robustes Framework für die Entwicklung von KI-Lösungen in den Bereichen dialogfähige KI, Machine Learning, Data Sciences, Robotik, IoT und mehr.
