Microsoft veröffentlicht die Embedded Learning Library (ELL) um Machine Learning (ML) auf Mini-Computer zu bringen. Systeme wie der Raspberry Pi oder die Arduino-Plattform sollen so ML-Prozesse auch ohne Cloud-Anbindung bearbeiten können. [...]
Microsoft veröffentlicht seine Embedded Learning Library (ELL) als Open Source. Diese soll Machine Learning (ML) auch auf Mini-PCs wie den Raspberry Pi oder die Arduino-Plattform ermöglichen. Bisher war hierfür immer eine direkte Verbindung zu einer Cloud nötig, die die eigentliche Rechenleistung übernahm. ELL soll stattdessen ganz ohne Cloud-Anbindung direkt auf den Mini-PCs laufen.
Durch den neuen Ansatz ist auch keine aktive Internetverbindung mehr erforderlich. Das reduziere nicht nur den Energieverbrauch, sondern schütze zusätzlich auch die Privatsphäre, da keine Daten mehr verschickt werden, so Manik Varma, Senior Researcher bei Microsoft Research India. Die APIs lassen sich entweder mit C++ oder Python ansteuern.
Das kleinste Gerät, auf das sich die Forscher konzentriert haben, ist der Arduino Uno mit schlanken zwei KByte RAM. Die Algorithmen sind für Ja-oder-Nein-Aufgaben sowie für Multiple-Choice-Fragen geschrieben. Die Vorhersage ist also auf einen „wahren“ Zielwert beschränkt. Mit der Entwicklung der ELL wolle man einen weiteren Schritt Richtung „Demokratisierung von KI“ gehen, sagt Saleema Amershi, eine Human-Computer-Interaktionsforscherin bei Microsoft.
Projekt noch am Anfang
Microsoft weist in einer Beschreibung auf GitHub darauf hin, dass sich das Projekt noch ganz am Anfang befinde und deshalb noch einige Veränderungen zu erwarten sind. Diese könnten auch zur Inkompatibilität führen. Ein Tutorial erlaubt es Nutzern derzeit, die Bilderkennung auf einem Raspberry Pi mit einer Web-Cam zu testen.
Microsoft weist in einer Beschreibung auf GitHub darauf hin, dass sich das Projekt noch ganz am Anfang befinde und deshalb noch einige Veränderungen zu erwarten sind. Diese könnten auch zur Inkompatibilität führen. Ein Tutorial erlaubt es Nutzern derzeit, die Bilderkennung auf einem Raspberry Pi mit einer Web-Cam zu testen.
Grundsätzlich sei das Einsatzgebiet dieser Technologie extrem vielfältig. So könnten damit etwa intelligente Boden-Feuchtigkeitssensoren für die Landwirtschaft oder auch smarte Hirnimplantate in der Medizin entwickelt werden.
*Alexandra Lindner ist Redakteurin bei COM professional.
*Alexandra Lindner ist Redakteurin bei COM professional.
Be the first to comment