Visualisierung von Deep Learning anhand einer Bildanalyse. Die Kombination ausgeklügelter Machine-Learning-Methoden und hochleistungsfähiger Prozessor-Hardware beschleunigt KI-Anwendungen. (Bild: Nvidia)
Beide Unternehmen arbeiten bereits seit mehreren Jahren im Bereich Machine Learning und Deep Learning zusammen. Dabei werden im DFKI spezielle Grafikprozessoren von Nvidia für KI-Aufgaben eingesetzt. „Indem wir Gesellschafter des DFKI werden, untermauern wir diese Zusammenarbeit, in der wir weiter neue Bereiche erforschen wollen, die von beschleunigtem Rechnen profitieren können.“ Prof. Dr. Andreas Dengel, Standortleiter des DFKI in Kaiserslautern und Wissenschaftlicher Direktor des Forschungsbereichs Smarte Daten und Wissensdienste: „Die Partnerschaft von DFKI und Nvidia ist eine perfekte Option, unsere ausgeklügelten Modelle und Verfahren mit hochleistungsfähigen und speziell für KI entwickelten Hardware-Plattformen zu kombinieren. Der Beitritt als Gesellschafter ist ein weiterer Baustein der erfolgreichen Zusammenarbeit und eröffnet neue Perspektiven für die anwendungsorientierte Erforschung neuronaler Netze.“ Das DFKI ist eine GmbH; Gesellschafter sind staatliche Institutionen und Großunternehmen.
Dieses Potential zur anwendungsorientierten Erforschung neuronaler Netze soll fortan auch für die Industrie nutzbar sein. „Wir arbeiten daran, komplexe KI-Algorithmen für den praktischen Einsatz in der Industrie verfügbar zu machen“, sagt Dengel. Ziel ist ein „AI Model Store“ in dem verschiedene Machine Learning-Methoden angeboten werden. „Eine vollautomatische Architektursuche stellt die geeigneten Modelle bereit. Firmen können daraus auswählen, welches am besten für ihre Problemstellung geeignet ist und ihre Daten auf die vortrainierten Verfahren anwenden. Das Feedback erhalten sie in Realzeit“, so der Plan der Forscher.
Licht in der ‚Black Box‘ des Deep Learning
Mit der gezielten Entwicklung spezifischer Technologien auf KI-Plattformen von Nvidia erzielten die DFKI-Wissenschaftler in den letzten Jahren bemerkenswerte Ergebnisse in der Anwendung, der Erklärbarkeit und zur Optimierung von Neuronalen Netzen und Deep Learning-Methoden. So wurde das DFKI im Jahr 2016 wegen seiner Forschungsergebnisse in der Analyse von Multimedia-Daten als GPU Research Center (GPU, Graphics Processing Unit) ausgewählt und als eine der beiden ersten europäischen Institutionen in das AI-Lab-Programm von Nvidia aufgenommen. 2018 wurde ein Team aus dem DFKI-Kompetenzzentrum Deep Learning für seine Arbeit zu den Verarbeitungsprozessen neuronaler Netze mit dem NVIDIA Pioneer Award ausgezeichnet. Die Verfahren halfen erstmals dabei, Licht in die Vorgänge der ‚Black Box‘ des Deep Learning zu bringen und deren Entscheidungsprozesse nachvollziehbarer zu machen. In diesem Zusammenhang wurde auch erforscht, wie sich korrelierende, großvolumige Informationsströme gemeinschaftlich verarbeiten lassen – beispielsweise Bild und Ton bei der Videoanalyse.
Das DFKI verfügt in Kaiserslautern über ein hocheffizientes Deep Learning-Rechenzentrum mit mehreren DGX-Computersystemen von Nvidia in einem InfiniBand-Netzwerk, darunter der seinerzeit erste DGX-2-Supercomputer in Europa. Die leistungsstarke Infrastruktur erlaubt eine Vielzahl an Evaluationen in kurzer Zeit. Dadurch können große Datenvolumen, beispielsweise hochaufgelöste Satellitenbilder in kurzer Zeit analysiert werden. Ebenso lassen sich Flaschenhälse in Architekturen identifizieren und die Modelle dahingehend anpassen – eine Grundlage für das Engineering neuronaler Netze. Die Rechenleistung im Cluster lässt sich so optimieren, Leerzeiten lassen sich minimieren und Deep-Learning-Methoden energieeffizient einsetzen.
(dw)
