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.

Top Stellenangebote

Zur Jobbörse
Safran Data Systems GmbH-Firmenlogo
Testingenieur / Certified Tester (m/w/d) Safran Data Systems GmbH
Bergisch Gladbach Zum Job 
Fraunhofer-Gesellschaft e.V.-Firmenlogo
Sachgebietsleiter*in Technisches Gebäudemanagement - Betrieb, Wartung & Weiterentwicklung Fraunhofer-Gesellschaft e.V.
München Zum Job 
SWM Services GmbH-Firmenlogo
Inbetriebsetzungsleiter*in für Verfahrenstechnik (m/w/d) SWM Services GmbH
München Zum Job 
Stadtwerke München GmbH-Firmenlogo
Commissioning Manager Control, Field and Automation Engineering (m/w/d) Stadtwerke München GmbH
München Zum Job 
Rhein-Sieg Netz GmbH-Firmenlogo
Ingenieur (m/w/d) Netzbetrieb Rhein-Sieg Netz GmbH
Siegburg Zum Job 
Röhm GmbH-Firmenlogo
Ingenieur (m/w/d) Elektrotechnik / Automatisierungstechnik / EMSR Röhm GmbH
Wesseling Zum Job 
Herrenknecht AG-Firmenlogo
Technischer Redakteur (m/w/d) Herrenknecht AG
Schwanau Zum Job 
Wasserstraßen- und Schifffahrtsverwaltung des Bundes-Firmenlogo
Bauingenieurin /Bauingenieur (m/w/d) Wasserstraßen- und Schifffahrtsverwaltung des Bundes
Brunsbüttel Zum Job 
Wasserstraßen- und Schifffahrtsverwaltung des Bundes-Firmenlogo
Bauingenieurinnen / Bauingenieure (m/w/d) Fachrichtung konstruktiver Ingenieurbau Wasserstraßen- und Schifffahrtsverwaltung des Bundes
Brunsbüttel, Rendsburg Zum Job 
BMI Deutschland GmbH-Firmenlogo
Sicherheitsfachkraft / Fachkraft für Arbeitssicherheit (m/w/d) BMI Deutschland GmbH
Dülmen Zum Job 
Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO-Firmenlogo
Wissenschaftliche*r Referent*in der Institutsleiterin Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO
Stuttgart Zum Job 
Fachhochschule Dortmund-Firmenlogo
Vertretungsprofessur "Produktions- und Qualitätsmanagement"; Fachbereich Maschinenbau Fachhochschule Dortmund
Dortmund Zum Job 
BMI Deutschland GmbH-Firmenlogo
Sicherheitsfachkraft / Fachkraft für Arbeitssicherheit (m/w/d) BMI Deutschland GmbH
Dülmen, Heyrothsberge Zum Job 
Die Autobahn GmbH des Bundes-Firmenlogo
Techniker als Fachexperte für Vertragsmanagement, Ausschreibung, Vergabe & Abrechnung (w/m/d) Die Autobahn GmbH des Bundes
Krailling bei München Zum Job 
FUNKE Wärmeaustauscher Apparatebau GmbH-Firmenlogo
Verfahrensingenieur (m/w/d) im technischen Vertrieb Rohrbündelwärmeaustauscher FUNKE Wärmeaustauscher Apparatebau GmbH
Gronau (Leine) Zum Job 
KTR Systems GmbH-Firmenlogo
Berechnungsingenieur (m/w/d) KTR Systems GmbH
ONTRAS-Firmenlogo
Spezialist Strategische Technologie (m/w/d) ONTRAS
Leipzig Zum Job 
Verband der Automobilindustrie e. V. (VDA)-Firmenlogo
Geschäftsführer (m/w/d) VDA QMC in China Verband der Automobilindustrie e. V. (VDA)
Peking, Shanghai (China) Zum Job 
FH Münster-Firmenlogo
Professur für "Strömungstechnik" im Fachbereich Maschinenbau FH Münster
Münster Zum Job 
Technische Hochschule Rosenheim-Firmenlogo
Professorin / Professor (m/w/d) für Applied Embedded Computing Technische Hochschule Rosenheim
Rosenheim Zum Job 

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.

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.