Googles Künstliche Intelligenz 25.11.2016, 13:11 Uhr

DeepMind schlägt menschlichen Lippenleser 4:1

Googles neuronales Netzwerk DeepMind hat mal wieder seine menschlichen Kollegen überholt: Die künstliche Intelligenz erkennt viermal so viele Wörter an den Mundbewegungen wie ein menschlicher Lippenleser. Gelernt hat DeepMind diese Fähigkeit allein durch Fernsehen. Fast sieben Monate hing es dafür vor der Glotze. 

Googles Künstliche Intelligenz DeepMind hat sich 5.000 Stunden lang Talkshows im Fernsehen angeschaut – und konnte danach viel besser von den Lippen ablesen als ein darin ausgebildeter Mensch.

Googles Künstliche Intelligenz DeepMind hat sich 5.000 Stunden lang Talkshows im Fernsehen angeschaut – und konnte danach viel besser von den Lippen ablesen als ein darin ausgebildeter Mensch.

Foto: GoogleWatchBlog

Und Fernsehen ist doch nützlich – zumindest für Googles neuronales Netzwerk DeepMind. Die Künstliche Intelligenz kann nun nach 5.000 Stunden TV-Dauerkonsum besser Lippenlesen als ein Mensch, der eine professionelle Ausbildung in diesem Bereich hat. Immerhin fast jedes zweite Wort kann der Computer allein anhand der Lippenbewegungen erkennen.

Beigebracht hat er sich diese Fähigkeit an der Universität Oxford mithilfe des selbstlernenden Systems „Watch, Listen, Attend and Spell“, zu Deutsch: „Beobachte, höre zu, nimm teil und buchstabiere“. Der Name ist dabei Programm. DeepMind wurde vor Nachrichtensendungen, Magazine und politische Diskussionssendungen der BBC aus den Jahren 2012 bis 2015 gesetzt – alles Formate, in denen Menschen tendenziell direkt in die Kamera sprechen, sich dabei aber weitgehend natürlich verhalten.

118.000 Sätze mit 17.500 verschiedenen Wörtern

So konnte die künstliche Intelligenz realitätsnah Wörter und Mundbewegung miteinander kombinieren. Die Menge, die sie dabei aufnahm, ist enorm: 118.000 Sätze mit 17.500 verschiedenen Wörtern beinhalteten die Sendungen insgesamt, so die Forscher. Diese griffen während der Lernphase übrigens nicht korrigierend ein: „Watch, Listen, Attend and Spell“ lernt tatsächlich autonom.

Die Arbeit der Wissenschaftler lag daher im Vorfeld. Unter anderem war es ganz und gar nicht egal, was genau DeepMind so im Laufe seines immerhin 208 Tage währenden Fernseh-Marathons aufsaugte – die Maschine einfach vor irgendwelchen Aufzeichnungen zu parken, wäre nicht zielführend gewesen. Der Grund: Ton und Bild sind vor allem bei älterem Material oft geringfügig gegeneinander verschoben. Obwohl es sich dabei nur um kleinste Abweichungen von wenigen Millisekunden handelt, hätte das gereicht, um den Computer zu verwirren und das Ergebnis zu verfälschen. Deshalb hatten die Forscher vors Lernen das Korrigieren der Synchronität gesetzt.

Stellenangebote im Bereich Automatisierungstechnik

Automatisierungstechnik Jobs
Stuttgart Netze GmbH-Firmenlogo
Ingenieur Stationsplanung (w/m/d) Stuttgart Netze GmbH
Stuttgart Zum Job 
Narda Safety Test Solutions GmbH'-Firmenlogo
Entwicklungsingenieur Hardware (m/w/d) Narda Safety Test Solutions GmbH'
Pfullingen Zum Job 
Die Autobahn GmbH des Bundes-Firmenlogo
Ingenieur / Techniker als Teamleitung Planung / Bau / Betrieb (w/m/d) Die Autobahn GmbH des Bundes
Narda Safety Test Solutions GmbH-Firmenlogo
Entwicklungsingenieur für Antennen- und HF-Design (m/w/d) Narda Safety Test Solutions GmbH
Pfullingen Zum Job 
BRUNATA-METRONA GmbH & Co. KG-Firmenlogo
Referent (m/w/d) Technische Gremien BRUNATA-METRONA GmbH & Co. KG
Köln, Hamburg, München Zum Job 
DMT-Gesellschaft für Lehre und Bildung mbH-Firmenlogo
W2-Professur (m/w/d) Thermische Verfahrenstechnik und Energieeffizienz DMT-Gesellschaft für Lehre und Bildung mbH
ZVEI e.V.-Firmenlogo
Fachverbandsgeschäftsführung Elektroinstallationssysteme (w/m/d) ZVEI e.V.
Berlin, Frankfurt am Main Zum Job 
Hochschule Nordhausen-Firmenlogo
W2-Professur für "Maschinenbau/Konstruktion" (m/w/d) Hochschule Nordhausen
Nordhausen Zum Job 
ILF CONSULTING ENGINEERS GERMANY GMBH-Firmenlogo
Lead Ingenieur für Thermische Systeme (m/w/d) ILF CONSULTING ENGINEERS GERMANY GMBH
München Zum Job 
POLYVANTIS GmbH-Firmenlogo
Ingenieur (m/w/d) Elektrotechnik / Maschinenbau / Verfahrenstechnik als Projektmanager POLYVANTIS GmbH
Weiterstadt Zum Job 
POLYVANTIS GmbH-Firmenlogo
Ingenieur / Techniker Elektrotechnik / Automatisierungstechnik (m/w/d) POLYVANTIS GmbH
Weiterstadt Zum Job 
Leuze electronic GmbH + Co. KG-Firmenlogo
Experienced Mechanical Engineer (m/f/x) Leuze electronic GmbH + Co. KG
Owen bei Kirchheim / Teck Zum Job 
Fresenius Kabi Deutschland GmbH-Firmenlogo
Ingenieur (m/w/d) Maschinenbau mit Projektverantwortung Fresenius Kabi Deutschland GmbH
Friedberg / Hessen Zum Job 
Haus der Technik e.V.-Firmenlogo
Fachdozent/in und Berater/in (m/w/d) für Krane und Hebezeuge in der Weiterbildung Haus der Technik e.V.
über ifp | Executive Search. Management Diagnostik.-Firmenlogo
Teamleiter:in Mechanical & Electrical Engineering über ifp | Executive Search. Management Diagnostik.
Emlichheim Zum Job 
Berliner Stadtreinigung (BSR)-Firmenlogo
Mitarbeiter:in (w/m/d) strategisches Stoffstrom- und Anlagenmanagement Berliner Stadtreinigung (BSR)
IMS Messsysteme GmbH-Firmenlogo
Systemingenieur (m/w/i) für Oberflächeninspektion IMS Messsysteme GmbH
Heiligenhaus Zum Job 
Seus Kältetechnik GmbH-Firmenlogo
Projektingenieur Kältetechnik (m/w/d) Seus Kältetechnik GmbH
Wilhelmshaven Zum Job 
ZVEI e.V.-Firmenlogo
Manager/in Automation (w/m/d) ZVEI e.V.
Frankfurt am Main Zum Job 
Fresenius Kabi Deutschland GmbH-Firmenlogo
Projektmanager/-leiter für Projekte mit technischem Schwerpunkt im pharmazeutischen Umfeld (m/w/d) Fresenius Kabi Deutschland GmbH
Friedberg (Hessen) Zum Job 
Stuttgart Netze GmbH-Firmenlogo
Ingenieur Stationsplanung (w/m/d) Stuttgart Netze GmbH
Stuttgart Zum Job 
Narda Safety Test Solutions GmbH'-Firmenlogo
Entwicklungsingenieur Hardware (m/w/d) Narda Safety Test Solutions GmbH'
Pfullingen Zum Job 
Die Autobahn GmbH des Bundes-Firmenlogo
Ingenieur / Techniker als Teamleitung Planung / Bau / Betrieb (w/m/d) Die Autobahn GmbH des Bundes
Narda Safety Test Solutions GmbH-Firmenlogo
Entwicklungsingenieur für Antennen- und HF-Design (m/w/d) Narda Safety Test Solutions GmbH
Pfullingen Zum Job 

DeepMind erkennt fast jedes zweite Wort

Der Aufwand hat sich gelohnt: Bei einem Test mit aktuellen Sendungen, die DeepMind komplett ohne Tonspur vorgesetzt wurden, erkannte es immerhin 46,8 % der Wörter – nahezu jedes zweite. Zum Vergleich: Der menschliche Kollege, ein ausgebildeter und geübter Lippenleser, kam auf eine Quote von 12,4 %, also ein knappes Achtel der Wörter. Dass Lippenleser Gesprächen trotzdem zumindest in groben Zügen folgen können, liegt daran, dass sie sich fehlende oder falsch verstandene Begriffe aus dem Kontext erschließen.

Jeden Wunsch von den Lippen ablesen: Das kann Googles künstliche Intelligenz DeepMind besser als Menschen.

Jeden Wunsch von den Lippen ablesen: Das kann Googles künstliche Intelligenz DeepMind besser als Menschen.

Quelle: Rolf Vennenbernd/dpa

Mit seiner beeindruckenden Quote und seinem großen Wortschatz könnte sich DeepMind basierende künstliche Intelligenz zu einer wertvollen Hilfe für Gehörlose oder Schwerhörige mausern, indem sie zum Beispiel Gespräche und Fernsehbeiträge nahezu simultan in Untertitel übersetzt. Englisch kann das System ja bereits, andere Sprachen müsste es erst noch trainieren. Auch Smartphone-Sprachassistenten wie Siri & Co würden profitieren, da sie sich dann auch per Kamera und ohne Mikrophon bedienen ließen.

Geheimdienste horchen auf

Und natürlich sind auch Geheimdienste und Sicherheitsfirmen höchst interessiert an so erfolgreichen und unbestechlichen Lippenlesern wie DeepMind. Dass jedes Supermarkt-Gespräch dabei belauscht werden wird, ist dabei jedoch nicht zu erwarten. Dafür sind die derzeit verwendeten Kameras viel zu unscharf und ihre Bildrate ist zu niedrig.

Im fünften Spiel gab Weltmeister Lee Sedol nach 280 Zügen auf. Die Software gewann das auf fünf Partien angesetzte Match 4:1.

Im fünften Spiel gab Weltmeister Lee Sedol nach 280 Zügen auf. Die Software gewann das auf fünf Partien angesetzte Match 4:1.

Quelle: Yna/dpa

Lesen Sie auch:

Außerdem hätte DeepMind dann keine Zeit mehr fürs Go-Spielen: Erst kürzlich hatte die ebenfalls auf diesem System basierende Software AlphaGo von Google Schlagzeilen damit gemacht, den amtierenden Weltmeister Lee Sedol in dem asiatischen Strategiespiel geschlagen zu haben.

Übrigens ist das Projekt „Lippenlesen“ nicht das erste Mal, dass sich Googles DeepMind mit dem gesprochenen Wort befasst: Die ebenfalls darauf basierende Technologie Wave Net erzeugt Sprache als Wellenform, passt Laute anderen Buchstaben in der Wortumgebung an und klingt dabei nahezu menschlich.

 

Ein Beitrag von:

  • Judith Bexten

    Judith Bexten ist freie Journalistin. Ihre Schwerpunkte liegen in den Bereichen Technik, Logistik und Diversity.

Zu unseren Newslettern anmelden

Das Wichtigste immer im Blick: Mit unseren beiden Newslettern verpassen Sie keine News mehr aus der schönen neuen Technikwelt und erhalten Karrieretipps rund um Jobsuche & Bewerbung. Sie begeistert ein Thema mehr als das andere? Dann wählen Sie einfach Ihren kostenfreien Favoriten.