ML Vorstellungsgespräch

Es gibt viele Varianten zu diesem Witz im Internet. So cool. Hier ist mein Favorit, den ich auf Twitter gefunden habe:

Interviewerin: Was ist Ihre größte Stärke?

Ich: Experte für maschinelles Lernen.

Interviewerin: Was ist 9 + 10?

Ich: 5.

Interviewerin: Nein. 19.

Ich: Es sind 14.

Interviewerin: Falsch. 19.

Ich: Es ist 19.

Interviewerin: Was ist 2 + 2?

Ich: 19.

Interviewerin: Sie passen perfekt in unser Team!

Zwischen Hype und außergewöhnlichem Nutzen

Letzte Woche war ich auf der ML Conference in Berlin. Die Konferenz war sehr lehrreich für mich. In den Vorträgen ging es einerseits um die Technik hinter dem maschinellen Lernen, Data Science, Sicherheit und Algorithmen. Aber dann wurde auch darüber besprochen, wie ich ein ML Projekt aufsetze, welche Fehler begangen werden können, und warum Containertechnologien wie Docker oder Kubernetes ML Projekte sehr erleichtern. Am spannendsten fand ich aber die Vorträge, in denen es um konkrete Anwendungen von maschinellem Lernen und künstlicher Intelligenz ging. Und natürlich kamen auch die Gespräche mit anderen Teilnehmern nicht zu kurz.

Mein Fazit

Die meisten Unternehmen experimentieren zurzeit mit maschinellem Lernen. Es gibt wenig Ideen, wie diese neuen Technologien heute schon echte Vorteile für das Geschäft bringen. Der Hype in den Medien – sowohl das Positive als auch das Negative betreffend – war weit weg. Gleichzeitig stimmten alle, mit denen ich gesprochen hatte, darin überein, dass in ein paar Jahren jedes Unternehmen maschinelles Lernen einsetzen muss, um am Markt bestehen zu bleiben. Es wird der kleinste gemeinsame Nenner sein.

Dabei wird es sowohl in der Public Cloud als auch im eigenen Rechenzentrum genutzt werden. Das größte Problem im eigenen Rechenzentrum scheinen die langsamen Prozesse zu sein. „Es dauert viel zu lange, bis ich ein System aufgesetzt bekomme. Da bin ich in der Public Cloud viel schneller,“ wurde mir gesagt.

Aus Sicht meines Arbeitgebers VMware ist mir aufgefallen, dass einige Teilnehmer uns zwar kennen, aber keiner brachte VMware in Verbindung mit maschinellem Lernen und künstlicher Intelligenz. Dabei bietet VMware interessante Optionen an, wenn es um Flexibilität und Sicherheit der ML Anwendungen geht. Nun gut, das behandele ich ein anderes Mal.

Hier sind zwei Highlights aus meiner Sicht:

Wie wir Seeunfälle vermeiden

Die Keynote Data to the Rescue! Preventing Accidents at Sea von Dr. Yonit Hoffman des israelischen Startups Windward hat mich begeistert. Wusstet Ihr, dass 10% aller Schiffe einmal im Jahr eine Havarie haben? Mit Big Data Analysen und maschinellem Lernen hat Windward Modelle entwickelt um Unfälle vorherzusahen und auch zu verhindern. 150 Million Datenpunkte über Schiffspositionen, Schiffstypen, Wetterinformation, Wassertiefen, die Nähe zu Häfen, und viele weitere Daten wurden zusammengebracht und in tiefes Wissen und Verständnis über die Vorgänge auf See umgemünzt. Der Vortrag war wirklich fesselnd.

Die Ergebnisse haben zu einer sehr fruchtbaren und interessanten Zusammenarbeit mit Versicherungsunternehmen geführt. Stellt Euch mal vor, welche Welten da aufeinander treffen. Maritime Versicherungen arbeiten seit 350 Jahren auf ähnliche Weise – oft noch mit Papier. Jetzt entsteht etwas Neues. Und es ist ganz klar vom Geschäft getrieben. So stelle ich mir die Zukunft von maschinellem Lernen vor.

Regenabflussrohre für China

Das spannendste Gespräch war mit einem Mitarbeiter einer Firma, die Sanitäranlagen für große Gebäude und Regenwasser-Abflussrohre herstellt. Eine besondere Herausforderung sind große Flachdächer, z.B. für Industrieanlagen oder Geschäfte. Die Abflussrohre müssen genau den richtigen Durchmesser haben. Sind sie zu klein fließt zu wenig Wasser ab. Sind sie zu groß, entsteht kein Saugeffekt. Beim optimalen Durchmesser der Rohre entsteht ein Sog im Rohr, der das Regenwasser optimal ableitet.
Ich habe gelernt, dass viele Jahre Berufserfahrung nötig sind, um diese optimalen Rohre zu entwerfen. Das ist ein Problem, wenn man in neue Märkte gehen will. Nun hat das Unternehmen es geschafft, mit maschinellem Lernen optimale Regenrohrdurchmesser sehr viel schneller zu bestimmen. Damit ist es nun zum ersten Mal möglich, neue Märkte wie China anzugehen, auch ohne dort Mitarbeiter zu haben, die Jahrzehnte an Erfahrung besitzen.

Wenn maschinelles Lernen und künstliche Intelligenz heute schon auf diese außergewöhnliche Art Mehrwerte liefert, dann werden wir in Zukunft sicher noch mehr Beispiele sehen. Die Grenzen sind unsere Kreativität und Vorstellungskraft. Das Wissen um die Technik reicht nicht aus. Das ist nur eine notwendige, aber keine hinreichende Bedingung für den erfolgreichen Einsatz von maschinellem Lernen. Die Identifizierung von Geschäftsideen, das ist die wahre Herausforderung.

DeepL – KI übersetzt am besten

Ich schreibe meine Artikel zuerst auf deutsch und hatte bisher Google Translate benutzt, um die englische Version zu erstellen. Das war zu ca. 80% gut, noch etwas poliert, dann war auch die zweite Sprache online.

Ein Kollege hatte mich gestern darauf hingewiesen, dass der DeepL Übersetzer eine viel bessere Übersetzungsmaschine für mich sein könnte. Ich habe es ausprobiert, und ich bin begeistert. Im direkten Vergleich mit Google Translate ist der DeepL Übersetzer um Längen besser darin, meine deutschen Artikel ins Englische zu übersetzen.

Was macht DeepL so besonders? Ich denke, es ist die konsequente Anwendung von neuronalen Netzen, maschinellem Lernen und künstlicher Intelligenz. Auf der DeepL Presse Webseite ist das so beschrieben:

„2016 – Das Team beginnt damit, ein neuronales Netzwerk zu konstruieren, das in der Lage ist, jede Art von Text zu übersetzen. Es wird später als DeepL Übersetzer bekannt. Dieses System baut auf jahrelanger Erfahrung des Teams mit maschinellen Lernverfahren und natürlicher Sprachverarbeitung auf und wurde mit über einer Milliarde hochqualitativer Übersetzungen trainiert, die durch Linguees Web-Crawler gesammelt wurden.“

Jetzt sind weitere 3 Jahre vergangen, und DeepL wird immer besser. Das ist es, was mich an guter Technologie so begeistert. Weiter so, DeepL Team!

Maschinelles Lernen schützt Honigbienen

Nach einigen kritischen Gedanken schreibe ich heute über einen Artikel, der mir zeigt wie die Technologie des maschinellen Lernens tatsächlich etwas sehr Gutes für diese Welt leistet: Deep Learning hilft Honigbienen zu schützen (englischer Blog Post). Dabei geht es um ein Thema, das in der IT schon viele Jahre in aller Munde ist: Automatisierung!

Hier wird das Auszählen und Auswerten der Waben der Honigbienen automatisiert und so bekommen Imker viel einfacher Informationen über den Gesundheitszustand ihrer Bienenstöcke. Ich finde das so cool und freue mich, dass Forscher daran arbeiten.

Immer öfter lese und höre ich, dass das Sammeln der Daten und das Aufstellen des Datenmodells die größten Hürden sind beim Einsatz von maschinellem Lernen. So ist es auch hier.

Die Algorithmen und Werkzeuge werden beschrieben, aber es fällt kein Wort über Infrastruktur. Das würde mich interessieren: Wo laufen die Werkzeuge und was kann da besser gemacht werden? Ich vermute mal, dass dieser Fall gut in einer Public Cloud aufgehoben ist.

Vielleicht treffen ich am 10./11. Dezember 2019 den Autor dieses Blog Posts auf der Machine Learning Conference in Berlin.

1984, Alfred Nobel und künstliche Intelligenz

Ich hatte geschrieben, dass ich einen positiven Beitrag für diese Welt leisten will und dass ich mich um die Verbreitung von maschinellem Lernen und künstlicher Intelligenz kümmern werde. Passt das überhaupt zusammen? Wie sieht der positive Beitrag von künstlicher Intelligenz heute aus?

Amazon Alexa, Google Home, Apple Siri, selbst fahrende Autos, intelligente Webseiten sind die Vorboten einer Welle von künstlicher Intelligenz, die gerade erst im Entstehen ist. In den Medien werden diese Vorboten oft kritisiert. Ist der freizügige Umgang mit unseren Daten vertretbar? Ohne unsere Daten, ohne viele Daten, funktionieren maschinelles Lernen und künstliche Intelligenz nicht. Sind wir bereit, diesen Preis zu zahlen?

Wenn Du Dich mit künstlicher Intelligenz beschäftigen willst, dann empfehle ich Dir wärmstens, den Roman „1984“ von George Orwell zu lesen. Orwell hat ihn 1947/1948 geschrieben, er wurde 1949 veröffentlicht, und er ist aktueller denn je. „Big Brother is watching you!“ In diesem Roman begleiten wir Winston, der im Ministerium für Wahrheit arbeitet und Zeitungsartikel umschreibt, damit vorhersagen der Regierung als wahr im Archiv stehen, auch wenn sie nicht eintreffen. Und Winston wird wie alle Bürger tag und nacht über Telescreens in ihren Wohnungen und bei der Arbeit beobachtet. Die Telescreens erinnern mit an Geräte wie Amazon Alexa, die auch mithören – und bald auch beobachten, wie die Telescreens im Roman „1984“. Was viele Jahre als irrwitzige Science-Fiction erschien, ist heute Alltag.  Lies den Roman und mache Dir selbst ein Bild von der Welt, die wir mit künstlicher Intelligenz erschaffen könnten.

Neue Technologien sind erst einmal neutral. Wie ein Küchenmesser. Es kann zum Kochen benutzt werden, oder man kann damit Menschen verletzen. Das Gute und das Böse sind beides möglich. Alfred Nobel hat Dynamit erfunden, um etwas Gutes zu bewirken. Er wollte den Bergbau vereinfachen. Das hat er auch geschafft. Aber dann wurde Dynamit auch benutzt, um Kriege zu führen. Das hat Nobel so sehr zu schaffen gemacht, dass er sein Vermögen eingesetzt hat, um die Nobel-Preise zu ermöglichen.

Jede neue Technologie steckt in diesem Zwiespalt. Seit der Steinzeit. Der Speer sorgte für Essen, wenn damit ein Tier erlegt wurde. Und er wurde auch für Kämpfe zwischen Menschen benutzt. Dieselben Seiten gibt es bei der Dampfmaschine, der Elektrizität, Motoren, Flugzeugen, Kernspaltung, was auch immer.

Auch maschinelles Lernen und die künstliche Intelligenz sind in der Lage, das Leben der Menschen ungemein zu erleichtern, autonom fahrende Fahrzeuge werden die Straßen sicherer machen und wir werden keine Zeit mehr in Staus vergeuden, sondern sie nutzen. Die Schattenseiten könnten eine umfassende Überwachung und Transparenz meiner Daten sein. Wer weiß.

Ich freue mich auf die Arbeit mit neuen Technologien. Ich glaube, dass die Welt am Ende dadurch ein Stück besser wird. „Technology as a force for good“, forderte der VMware CEO Pat Gelsinger. Das stimmt. Wir müssen aber auch reflektieren und ethische Aspekte berücksichtigen. Die Ethik neuer Technologien, das ist ein ganz eigenes Feld, ein wichtiges Feld. Wir müssen aufpassen, dass wir bei allem Fortschritt das nicht vernachlässigen.

Das ist ein Kernthema für meine Arbeit bei VMware.

Mein Weg zu künstlicher Intelligenz und maschinellem Lernen

Eines meiner persönlichen Ziele ist es, einen positiven Beitrag in dieser Welt zu leisten. Dazu gehört für mich ehrenamtliche Arbeit, Familie und Freunde zu unterstützen, aber auch mein Beruf als Mitarbeiter bei VMware.

Menschen geben Geld aus für Dinge, die Ihr Leben verbessern. Firmen bieten die Dinge an. Das können Produkte oder Dienstleitungen sein.

In diesem Kontext betrachte ich künstliche Intelligenz und maschinelles Lernen (KI/ML). Können Produkte und Dienstleitungen durch KI/ML besser werden? Kann KI/ML einen positiven Beitrag für das Leben der Menschen leisten? Für viele ist dies eine offene Frage. Es gibt Befürworter und Skeptiker. Ich gehe davon aus, dass die Antwort „ja“ ist.

Dann folgt daraus die Frage: Wie kann ich mit meiner Arbeit bei VMware dabei helfen?

VMware ist eine Firma, die modernste IT Infrastrukturen anbietet. IT Infrastrukturen sind das Rückgrat für Unternehmen. Dort verwalten Unternehmen ihre Produkte, ihre Kundendaten, ihre Prozesse und Kommunikation. Und immer mehr Unternehmen nutzen IT Infrastrukturen, um ihre Produkte zu verbessern, oder sogar ganz neue Produkte und Dienstleistungen anzubieten. Und diese Produkte bzw. Dienstleistungen sollten idealerweise das Leben der Menschen verbessern.

Wenn nun ein Unternehmen KI/ML nutzen möchte, muss es zuerst überlegen, wofür diese eingesetzt werden soll. Was ist der Grund für den Einsatz von KI/ML? Dann folgt die Überlegung, welche Technologie, welche Algorithmen oder welche Kombination von Technologien und Algorithmen am besten für diese Anforderung geeignet sind.

Dann folgt die Bestimmung der KI/ML Infrastruktur. Und an diesem Punkt kann VMware eine sehr gute Basis liefern. Hier kann ich meinen positiven Beitrag für die Welt liefern, indem ich helfe die Punkte zu verbinden. Das Potenzial von VMware, die Menschen, die Unternehmen, die Technologie, die Ethik, und andere Aspekte, die beim Einsatz vom KI/ML wichtig sind. Es ist ein komplexes Feld mit vielen Anhängigkeiten. KI/ML wird immer mehr Bereiche erobern. Der Beitrag von VMware für die IT Infrastruktur dieser Welt kann signifikant sein. Ich weiß nicht, wie er genau aussehen wird. Es ist eine Reise mit ungewissem Ausgang. Aber es ist eine spannende Reise.

Ich folgenden Beiträgen werde ich meine Reise dokumentieren. Ich werde Fragen aufwerfen, und vielleicht auch einige Fragen beantworten. Es ist meine persönliche Sicht auf die Welt neuer Technologien.