11th FIRA WorldCup – Deep Learning im Jahr 2006

11th FIRA WorldCup – Deep Learning im Jahr 2006

In Zeiten von AlphaGo, Alexa und Siri, erscheint ein Rückblick ins Jahr 2006 wie ein Blick zurück in die Steinzeit des Machine Learning. Während einer längst überfälligen Entrümpelungsaktion, stieß ich wieder auf einige Unterlagen aus einem Studienprojekt für das Fach Regelungstechnik aus dem Jahr 2006. Ich und andere Komilitonen hatten die Aufgabe, ein paar kleinen, dosenförmigen Robotern, das Fußballspielen beizubringen. Der Projekt schloss mit der Teilnahme an der Robosoccer WM in Dortmund ab. Dort sollten sich die Roboter mit anderen „Blechmannschaften“ messen und autonom einen Ball ins gegnerische Tor schieben.

Das „Deep Learning“ war damals noch eine Nische und außerhalb der speziellen Fachgebiete wusste kaum jemand was das überhaupt ist. Die allermeisten Anwendungsfälle beschränkten sich noch auf einfache Muster- bzw. Bilderkennungen. Hier und da gab es einen kleinen Hype, der aber genauso schnell wieder verschwand wie er gekommen ist. Alles in allem ein junges Gebiet der KI, das viel versprach, es aber nie wirklich einlöste. Der theoretische Unterbau der Neuronalen Netze war schon damals vorhanden, also warum blieb es bei einer Nische? Die Antwort is kurz und einfach: Es lag an der Rechenpower. Das Training der tiefen Neuronalen Netze  ist sehr rechenintensiv (Backpropagation Algorithmus) und erfordert sehr viele Trainingsdaten. Vor allem mit steigender Zahl an tiefen Schichten und Neuronen steigt die benötigte Rechenleistung rapide an. Deshalb beschränkte sich damals die Architektur der Netze auf nur wenigen Schichten und Neuronen, wie im Falle unseres Fußball spielenden Roboters. Die „Augen“ der kleinen Roboter bestanden dementsprechend aus nur einer simplen Zeilenkamera, die nur Helligkeitswerte als Eingabe für das Netz ieferte. Hier ein Auszug aus dem Programmheft:

The team Soest Perceptron Optimized Khepera (SPOK) is part of the Institute of Automatic Control and Neural Networks at the Campus Soest. The main research fields of this group, led by Professor Sigrid Hafner, are in areas related to Control and Neuroinformatics. The prime focus of the group is the development of artificial neural networks, adaptive systems and machine learning for a wide range of applications. One focus is on data Mining using a specially developed neural network (MEKS) which is trained with data and essential solution features are extracted. The team members, predominantly composed of students, include Dominik Aufderheide, Frank Beckmann, Vasilios Danos, Sigrid Hafner, and Michael Prunk. The team leader is Sigrid Hafner. Working with the KheperaSot soccer game, the team learns how to implement artificial neural networks for control application.

– Vasilios Danos

Leave a reply

Your email address will not be published.

You may use these HTML tags and attributes:

<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>