Back to top

Maschinelle Lernverfahren in der Cloud - Der Aufstieg von Machine-Learning-as-a-Service

Mehr und mehr Technologien werden „in die Cloud“ verlegt. Da kann man kaum anders, als zu spekulieren, welche Wunder als nächstes auf uns herabregnen und unser Leben bereichern werden. In einem meiner absoluten Lieblingsfilme sendet der Super-Nerd Flint Lockwood eine Maschine in die Wolken, um es Hot Dogs, Pizza und Eis regnen zu lassen. Sowas in der Art wäre ziemlich nett. 

Big Data-Analyse ganz einfach?

Letzte Woche hat HP mit Haven OnDemand einen Machine-Learning-as-a-Service (MLaaS) veröffentlicht. Der Dienst besteht zwar schon seit einigen Jahren als Freemium-Angebot, die Neuerungen betrafen also eher das Preismodell, das sich jetzt durch die Nutzung definiert und durch Service-Level-Agreements (SLAs) auf Unternehmensniveau gestützt wird. Wenn sowas von einem Giganten mit 50 Milliarden US$ Umsatz wie Hewlett Packard Enterprise kommt, lohnt es sich, da genauer hinzusehen. Sind wir hier Zeuge einer weiteren Revolution der Cloud, die in den nächsten Jahren auf uns herabsinken wird?

cloud machine learningHaven OnDemand wird jetzt schon genutzt, um ziemlich beeindruckende Anwendungen zu erstellen. Das Hirn dahinter ist die Suchmaschine, welche für das Verbinden der Muster zuständig ist: HPE IDOL, der Nachfolger von HP Autonomy, eine Suchmaschine, die sich auf Big Data und Analyse stützt. 

Ein Beispiel für eine solche Anwendung ist Blink, eine Speed-Dating-App für Smartphones, die Gesichtserkennung verwendet, um unerwünschte Hintergründe aus dem Videochat auszublenden. RingDNA, eine Software für den Innendienst im Vertrieb, verwendet die API um Analysen in Echtzeit vorzunehmen, mit denen dann Stimmungen verstanden und damit das Ergebnis von Vertriebsinteraktionen vorhergesehen werden können. Ein weiteres Startup, Social Capital, verwendet den Dienst, um Personalabteilungen dabei zu unterstützen, Bewerberprofile durch die jeweilige Timeline in sozialen Medien zu erstellen, über Tweets, Fotos, Videos und dergleichen mehr. Tja, jetzt ist er gekommen, der Moment, vor dem wir uns alle fürchten: Unsere Social Media-Aktivitäten holen uns endlich ein! Aber vielleicht ist es immer noch besser, von einer Maschine verurteilt zu werden als von dem Chef der Personalabteilung. 

Erinnert sich noch jemand an Watson, den IBM Supercomputer, der live im Fernsehen die Spielshow Jeopardy gewonnen hat? Also, Watson hat sich nicht auf seinem Gewinn ausgeruht oder den Frühruhestand beantragt. Stattdessen ist auch Watson jetzt in der Cloud und lernt. In der BBC-Kochsendung „Tomorrow‘s Food“ wurden sogar Gerichte vorgestellt, die von Watson in seiner Funktion als Koch entwickelt wurden. Hierzu hat die Maschine Millionen Rezepte analysiert und bisher unbekannte Muster aufgedeckt, die tatsächlich zu neuen schmackhaften Kombination geführt haben.

IBMs Vision für Watson geht viel weiter als nur verrückte Kochrezepte. Watson bietet auch Schnittstellen für Sprache, Sicht, Rede und Daten in der Cloud. Diese Schnittstellen haben Namen wie „Ton“ und „Emotionsanalyse“ und helfen dabei, Emotionen wie Zorn, Abscheu, Trauer, Angst und Freude zu erkennen. Solche Fähigkeiten lassen einen vermuten, dass der von Orwell beschworene Big Brother mit wahrem Namen Watson heißt; aber ich denke, man muss fair bleiben. Jede Technologie hatte schon immer das Potenzial, für gute oder böse Zwecke eingesetzt zu werden. 

Nutzungsfälle maschineller Lernverfahren

Man muss sich nur einmal vor Augen führen, was maschinelle Lernverfahren in verschiedenen Nutzungsfällen eingebracht haben. So können maschinelle Lernverfahren im E-Commerce eingesetzt werden, um die Vorlieben der Käufer über Log-Daten einzuschätzen und ihnen dann personalisierte Produkte anzubieten. In der Branche der Personaldienstleistungen können maschinelle Lernverfahren Feedback von Personaldienstleistern und Entscheidern „lernen“ und systematisch die Effektivität des Search & Match für zukünftige Kandidaten optimieren. Es mag sich zwar wie ein Klischee anhören, aber die Möglichkeiten scheinen grenzenlos.

Diese Beispiele lassen uns vermuten, dass die einfache Suchmaschine kurz davor steht, die Gesellschaft erneut zu verändern, durch die Kombination mit Big Data, Predictive Analytics und maschinellen Lernverfahren (wie auch der Erschaffer von Hadoop Doug Cutting bereits hier gesagt hat). Für Enthusiasten der Suchtechnologie wie mich ist es ziemlich umwerfend, zuzusehen, wie die Maschinen tatsächlich durch den Abgleich von Mustern lernen. Auch wenn wir noch nicht bei Hot Dogs und Eiscreme sind, die aus der Cloud fallen.  

Es hat sich sogar gezeigt, dass die Suche in ihrer Funktion als Technologie, die nach Mustern sucht, nicht nur eingesetzt werden kann, um Muster in strukturierten Daten (wie Wörtern) zu finden, sondern auch in unstrukturierten Daten wie den Wörtern im Kontext mit anderen Elementen des echten Lebens, wie Gesichtsausdrücken, Tonfall in Gesprächen und sogar Geschmack in Rezepten.

Wenn man der 1959 von Arthur Samuel geprägten Definition für maschinelle Lernverfahren folgt („Ein Forschungsbereich, in dem Computer die Fähigkeit erhalten, zu lernen, ohne explizit dafür programmiert zu werden“), dann stehen wir vielleicht wirklich am Anbeginn einer neuen Ära. Einer Ära, in der maschinelle Lernverfahren in der Cloud neue Einblicke liefern, über die Entwickler die nächste Generation der Big Data-Anwendungen mit Suchfunktionen erstellen, die dann wieder unser Leben bereichern. Fragen Sie sich immer noch, wie maschinelle Lernverfahren am Besten für den konkreten Fall Ihres Unternehmens eingesetzt werden können? Fangen Sie doch mit einem Big Data-Assessment an!

-- Ahmad

0