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

2. Juni 2020
Microsoft-Studie: Mit KI und IoT aus der Pandemie

Aus einer aktuellen Studie von Microsoft Deutschland und techconsult geht hervor, dass für fast jedes fünfte kleine und mittelständische Industrieunternehmen in Deutschland moderne Technologien wie künstliche Intelligenz (KI) oder Internet of Things (IoT) „wichtiger als je zuvor“ sind, um erfolgreich oder weitgehend unbeschadet durch die aktuelle COVID-19-Pandemie zu kommen.

2. Juni 2020
Personalie: Neue Rollen für Nachwuchskommunikatorinnen. Microsoft Deutschland bildet nachhaltig im Kommunikationsbereich aus

Von der Volontärin zum Communications Manager – diesen Weg geht Stephanie Schopf (27), die seit Abschluss ihres Volontariats Ende März als Communications Manager Internal Channels Teil des Internen Kommunikationsteams bei Microsoft Deutschland ist. Ebenso geht die Reise im Kommunikationsteam für Ronja Fink (26) und Paula Auksutat (26) weiter. Ronja durchläuft seit April das von der Deutschen Akademie für Public Relations zertifizierte Volontariat-Programm bei Microsoft Deutschland. Paula ist zum 01. Juni mit dem 18-monatigen Programm gestartet.

29. Mai 2020
Produktiv bleiben, an jedem Ort: Windows 10 Mai 2020 Update verfügbar

Das Windows 10 Mai 2020 Update ist ab sofort erhältlich. Es berücksichtigt die sich wandelnden Kundenbedürfnisse und bietet höchste Sicherheit, mehr Barrierefreiheit sowie neue Funktionen für die produktive Nutzung von jedem Ort durch ein verbessertes Zusammenspiel aus Soft- und Hardware. Dieser Beitrag erklärt, wie Privat- sowie Firmenkunden an das Update kommen und schaut auf wichtige Neuerungen.