Deep Learning: «Der Hype nimmt ein Ende»
Am 6. Juni 2018 organisierte das Laboratory for Web Science (LWS) zusammen mit der Swiss Alliance for Data Intensive Services einen Workshop zum Thema Deep Learning. Rund 70 Besucher aus Wirtschaft und Forschung nahmen teil. Das Fazit: Der ganz grosse Run auf das Thema Deep Learning ist wahrscheinlich vorbei.
![](/fileadmin/_processed_/4/7/csm_deep-learning-der-hype-nimmt-ein-ende_60cbd3a184.png)
Die Redner anlässlich des Deep Learning Seminars (von links nach rechts): Beat Tödtli (FFHS), Marc Stampfli (nvidia), Thilo Stadelmann (ZHAW) und Marcel Blattner (Tamedia).
Die geladenen Redner haben sich verschiedenen Aspekten von Deep Learning angenommen. Dr. Thilo Stadelmann, der an der ZHAW stellvertretend den Schwerpunkt Information Engineering leitet, hat über aktuelle Projekte und Anwendungen von Deep Learning gesprochen. Er zeigte, dass die eigentliche Bilderkennung mit Deep Learning in praktischen Anwendungen oft nur eine von vielen Komponenten ist.
Marc Stampfli, Country Sales Manager bei NVIDIA, räsonierte über die Geschichte und aktuelle Ökosysteme für Deep Learning. Er hob insbesondere die Bedeutung der Grafikprozessoren hervor, deren Leistungsfähigkeit Deep Learning-Anwendungen erst ermöglicht.
Ethische Fragen bewegen
Marcel Blattner, Chief Data Scientist bei Tamedia, schliesslich hat sich ethischen Fragen zugewandt. Er plädierte dafür, dass wir das Verhalten von Deep-Learning-Systemen besser verstehen lernen müssen, um nicht z.B. Kundengruppen zu diskriminieren.
Die Diskussion im Anschluss an die Input-Referate war von diesen ethischen Fragen stark geprägt: Die rund 70 Teilnehmenden fragten sich, ob es reicht, wenn ein System nur nützlich ist. Sind die aktuellen Forschungsresultate unseriös, weil unverstanden und schlecht reproduzierbar?
Hype flacht ab
«Der Hype um Deep Learning nimmt langsam ein Ende», meinte Beat Tödtli. Er ist Deep-Learning-Spezialist beim LWS und hat den Deep Learning Workshop mitorganisiert.
Man merke, dass das Gebiet professioneller werde. Die Frameworks liessen sich einfacher bedienen, die Möglichkeiten von Deep Learning würden differenzierter beurteilt. Die Zeiten, in denen Deep Learning als technisches Allheilmittel angepriesen worden ist, seien vorbei. Der Dialog mit der Öffentlichkeit sei inzwischen als wichtig anerkannt.
Künftig müsse die Deep Learning Community noch stärker den Dialog mit Nutzern, Kunden und Bürgern suchen, beschreibt Tödtli den Weg nach vorne. Aber auch inhaltlich gebe es Einiges zu tun, so der Spezialist. «Wir müssen uns zum Beispiel viel intensiver mit der Erklärbarkeit von Deep-Learning-gestützten Entscheiden beschäftigen.»