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

23. November 2023
Hack4Good: Wie Jugendliche für eine diversere Zukunft hacken

Technologie soll für alle zugänglich sein – dazu fördern wir, unabhängig von Herkunft, sozialem Status, Ethnie oder Geschlecht, eine vielfältige und integrative Gesellschaft. Der Grundstein dafür wird bereits in jungen Jahren gelegt. Deshalb möchten wir der nächsten Generation ermöglichen, sich mit Technologie zu beschäftigen, kreativ zu werden und zu experimentieren. Projektsponsor Hussain Mahmood berichtet von „Hack4Good“, einem Hackathon für Jugendliche mit Migrationsgeschichte und erzählt, wie man seine ganz eigene Superpower finden kann.

22. November 2023
Black Friday 2023: Die besten Deals von Microsoft in der Übersicht

Es ist wieder soweit: Der Black Friday steht vor der Tür und damit auch wieder attraktive Angebote von Microsoft. Ob du dir selbst eine Freude machen oder jemandem ein tolles Weihnachtsgeschenk besorgen möchtest, hier findest du mit Sicherheit einige passende Ideen. Von den neuesten Surface-Geräten über praktisches Zubehör bis hin zu aktuellen Konsolen und Videospielen ist alles dabei. Unsere besten Angebote haben wir in dieser Übersicht zusammengetragen.

15. November 2023
Microsoft Ignite 2023: Neue Technologie für die KI-Transformation

Auf seiner größten Tech-Konferenz des Jahres stellt Microsoft rund 100 neue Dienste und Updates bestehender Produkte vor, darunter Erweiterungen seiner Cloud-Infrastruktur für leistungsfähigere KI-Anwendungen, neue Copilot-Angebote, Anwendungen für die bessere Verbindung von Daten und KI sowie KI-optimierte Hardware.