Open-Source-Forschung: Microsoft schafft Datensätze und Metriken für künstliche Intelligenz

Wer Anwendungen mit künstlicher Intelligenz (KI) entwickelt, steht oft vor dem Problem, keine Daten für das Testen und Trainieren der Algorithmen zu haben. Der Grund: Solche Forschungen sind oft so neu, dass es einfach noch keine Daten dafür gibt.

Meine Kollegin Samira Ebrahimi Kahou hat gemeinsam mit ihrem Team bei dem Microsoft-Research-Unternehmen Maluuba im kanadischen Montreal eine Lösung dafür gefunden: Mit dem FigureQA dataset stellen sie der KI-Community eine riesige Anzahl von Datensätzen mit mehr als einer Million Frage-Antwort-Pärchen für das Entwickeln von Spracherkennungs-Tools zur Verfügung. Zum Open-Source-Datenpaket gehören auch Metriken und Tools zum Testen von KI-Systemen.

Adam Atkinson, Microsoft Research Maluuba, Yoshua Bengio, University of Montreal, Samira Ebrahimi Kahou, Microsoft Research Maluuba (v.l.)
Adam Atkinson, Microsoft Research Maluuba, Yoshua Bengio, University of Montreal, Samira Ebrahimi Kahou, Microsoft Research Maluuba (v.l.)

Ein Miteinander bei KI-Projekten: Geteiltes Wissen ist absolut erfolgskritisch – auch wenn das nicht für alle Daten gilt

Normalerweise sind Daten für Forschungs- und Entwicklungsprojekte eher vertraulich und Ergebnisse bleiben meistens im Haus, heißt es aus dem Microsoft-Forscherteam. Bei KI ist das offensichtlich anders: Hier sind Unternehmen und Wissenschaftler so eng miteinander verflochten, dass es eher ein Mit- als ein Ohneeinander gibt. Begünstigt wird die Kooperation durch den Umstand, dass es sich nicht um personenbezogene Daten mit besonderen Schutzpflichten handelt, sondern um generische Datensätze, die allenfalls geistiges Eigentum von Unternehmen sind, aber eben keinen Datenschutzbestimmungen unterliegen.

Viele Unternehmen arbeiten gerade an KI-Projekten und so ist es absolut sinnvoll, seine Erkenntnisse nicht zu verstecken, sondern mit anderen zu teilen, um schneller und weiter vorwärts zu kommen. Viele Experten teilen diese Haltung. Mehr noch: Für viele von ihnen sind kollaborative Ansätze für die Zukunft von KI absolut erfolgskritisch. Schließlich kann nicht jede Organisation alle Ideen selbst haben und ausprobieren. Am Ende profitieren von dem geteilten Wissen alle!

So entwickelte beispielsweise das Team um Christian Federmann, Senior Program Manager Microsoft Translator, den Microsoft Speech Language Translation Korpus. Dieser beinhaltet unter anderem Audiodaten, Transkripte und Übersetzungen für Englisch, Französisch und Deutsch – kürzlich mit zusätzlichen Sprachpaaren für Chinesisch und Japanisch aktualisiert. Mit diesen frei verfügbaren Daten können nun Forscherteams in aller Welt zweisprachige Konversations-Sprachübersetzungssysteme wie die Microsoft Translator Live-Funktionen oder den Skype Translator mit realen Daten testen.

Allerdings gilt das nicht für alle Daten in KI-Projekten. Wer schützenswerte Daten nicht öffentlich teilen möchte, sollte den Ansatz von SwiftKey kennen: Über GitHub bietet das seit dem vergangenen Jahr zu Microsoft gehörende Unternehmen ein Set von Metriken an, die Entwickler für alle Arten der Beurteilung von Datensätzen nutzen können. Damit stehen ihnen standardisierte Benchmarks zur Verfügung, mit denen sie die eigenen Fortschritte mit den Ergebnissen anderer Projekte messen und vergleichen können.

Details zu den beiden spannenden Lösungsansätzen findet ihr in dem Blogpost „AI’s sharing economy: Why Microsoft creates publicly available datasets and metrics“ meiner Kollegin Allison Linn (@allisondlinn) auf dem Microsoft-AI-Blog!


Ein Beitrag von Pina Kehren
Communications Manager Mixed Reality, AI & Data Platform
Pina Kehren - Open-Source-Forschung: Datensätze und Metriken für KI

Tags: ,

Weitere Infos zu diesem Thema

28. März 2024
Fünf Fragen zu Copilot Pro: Features und Abonnement-Details im Überblick

Mit der Einführung von Copilot Pro im Januar 2024 wurde Microsofts KI-Multitalent in den Microsoft 365-Apps auch für Privatpersonen verfügbar. Das Abonnement erweitert die Möglichkeiten von Apps wie Word, PowerPoint oder Excel und bietet völlig neue Funktionen. Ganz gleich, ob es ums Schreiben, Programmieren, Entwerfen, Recherchieren oder Lernen geht: Mit Copilot Pro haben Nutzer*innen einen Assistenten an ihrer Seite, der hilft, Aufgaben effektiver und kreativer zu erledigen.

21. März 2024
Mit Copilot, Windows und Surface die neue Ära der Arbeit gestalten

Heute haben wir im Rahmen eines digitalen Events für unsere Geschäftskunden und Partner einen Überblick darüber gegeben, wie wir Unternehmen mit Copilot, Windows und zwei neuen Surface-Geräten (ab April erhältlich) unterstützen, um die neuen Ära der Arbeit zu gestalten.

19. März 2024
Innovations for the manufacturing industry: these are the winners of the Microsoft Intelligent Manufacturing Award 2024 with Roland Berger

The winners of the Microsoft Intelligent Manufacturing Award (MIMA) 2024 have been announced. This is the fifth time that Microsoft Germany and the strategy consultancy Roland Berger have awarded their coveted prize to pioneering solutions for the manufacturing industry. The winners were selected by a high-ranking jury of experts from industry, science and consulting.