Förderpreis der Angewandten Informatik

Datum: 05. Dezember 2017
Preisverleihung 2017
Ort: IHK Nord Westfalen

Der Förderkreis der Angewandten Informatik an der Westfälischen Wilhelms-Universität Münster e.V. verleiht zum 13. Mal einen Förderpreis für die beste Abschlussarbeit im Bereich der Angewandten Informatik. Die Preisträger wurden von einer 7-köpfigen Jury aus Universität und lokaler IT-Industrie ausgewählt.  Sieben nominierte Abschlussarbeiten lagen der Auswahl zugrunde.

Eindeutiger Gewinner war Herr Daniel Müller. Er hat in seiner Bachelorarbeit ein Verfahren zur Reduktion der Netzwerkauslastung in Serverfarmen entwickelt. Die betrachteten Serverfarmen haben die rechenintensive Aufgabe, zwei- oder drei-dimensionale Modelle von Realweltobjekten oder von virtuellen Landschaften beispielsweise in Computerspielen in Bilder bzw. Animationen umzuwandeln. Aus dem Verfahren ist ein Produkt entstanden, das von einer Reihe namhafter, internationaler Firmen genutzt wird.

Zusätzlich wird der von der items GmbH gestiftete Sonderpreis für die softwaretechnisch beste Arbeit an Herrn Matthias Neugebauer verliehen, der in seiner Masterarbeit eine Lösung zur Verarbeitung von als Video aufgenommenen Vorlesungen entwickelt hat, die die Ressourcen­nutzung optimiert und gleichzeitig verfrühte Abbrüche und eine Überlastung des Systems verhindert. Hierbei hat er Software zum maschinellen Lernen zur Vorhersage von Laufzeiten eingesetzt.

Die Preisverleihung findet am Donnerstag, 05. Dezember 2017 ab 16 Uhr im Rahmen einer Festveranstaltung in der IHK Nord Westfalen statt. Den Festvortrag hält in diesem Jahr Herr Prof. Dr. Gernot Fink von der Technischen Universität zu dem  Thema „Deep Learning - Vom Hype zur Zukunftstechnologie“.

Kurzfassung:

Spektakuläre Siege maschineller Intelligenz über den Menschen wurden seit jeher als Meilensteine gefeiert. So auch der Sieg von AlphaGo im bis dahin als für Maschinen nicht beherrschbar geltenden Go-Spiel 2016. Mit diesem Ereignis wurde auch der Begiff des Deep Learning weithin bekannt - der damit verbundene Hype hatte die breite Öffentlichkeit erreicht.

Als Deep Learning bezeichnet man Techniken des maschinellen Lernens, die auf besonders tief strukturierten neuronalen Netzwerken beruhen. In diesem Vortrag werde ich erläutern, wie es zu den großen Erfolgen dieser Verfahren kam und der Frage nachgehen, ob tiefe neuronale Netze auch das Potential zu einer Zukunftstechnik haben.

Der aktuelle Erfolg dieser Verfahren gegenüber traditionellen Techniken der Mustererkennung bzw. künstlichen Intelligenz beruht einerseits schlicht auf technischem Fortschritt, nämlich der Entwicklung extrem leistungsfähiger Graphikprozessoren mit einer Vielzahl paralleler Recheneinheiten. Anderseits haben methodische Weiterentwicklungen den schon seit den 1950er Jahren bekannten neuronalen Netzwerken mit Deep Learning zum Durchbruch verholfen. Die methodischen Vorteile werden im Vergleich zur klassischen Architektur eines Mustererkennungssystems deutlich. Deutlich wird bei diesem Vergleich aber auch, dass das aktuelle Deep Learning keinen kompletten Paradigmenwechsel darstellt - es verfolgt das Prinzip des überwachten Lernens - und dass die teilweise erbrachten "übermenschlichen" Leistungen sich auf wohldefinierte und eng umrissene Aufgaben beziehen.

Im zweiten Teil des Vortrags werde ich verschiedene aktuelle Anwendungsbeispiele von Deep Learning Techniken vorstellen, wie sie vor allem im Bereich des Bildverstehens zu finden sind. Anschließend werde ich auf eigene Arbeiten zum Deep Learning eingehen, die die Erschließung historischer handschriftlicher Dokumente zum Ziel haben. Mit Hilfe eines speziellen tiefen neuronalen Netzwerks erreichen wir derzeit auf unterschiedlichsten Dokumentkollektionen Bestwerte bei der Suche nach Schlüsselwörtern, dem sogenannten Word Spotting.