Machine Learning ohne zu programmieren – geht das?

KI-Seminare

Machine Learning ohne zu programmieren – geht das?

Juli 9, 2019 General 0
Banner No Code Machine Learning

Machine Learning ist in aller Munde. Kaum ein Tag vergeht ohne eine neue Ankündigung oder Erfolgsmeldung aus der schönen neuen Welt der künstlichen Intelligenz. Für Softwareentwickler stellen die großen IT-Konzerne hervorragende Entwicklungsplattformen wie Tensorflow, PyTorch und Deeplearning4j bereit. Anderen blieb der Einstieg ins Machine Learning aufgrund fehlender Programmierkenntnissen bisher verwehrt.

Doch Rettung naht. Seit kurzem etablieren sich sogenannte No-Code-Lösungen, mit denen auch Nicht-Entwickler eigene Projekte realisieren können. Doch was taugen diese? Sind sie flexibel genug, um komplexe Probleme lösen zu können? Und wie hoch ist der Einarbeitungsaufwand? In diesem Artikel stelle ich exemplarisch drei dieser No-Code-Lösungen vor.

 

 

Ludwig von Uber

»Ludwig« ist ein von Uber entwickeltes ML-System, welches der Konzern kostenlos als Open Source bereitstellt. Das System kann auf dem eigenen Rechner installiert werden, wobei die Unterstützung eines Technikers hilfreich ist. Das Ganze dauert nicht mehr als 20 Minuten.

Auf der Website finden sich einige Einführungsbeispiele. In diesen wird demonstriert, was mit Ludwig möglich ist:

  • Texte klassifizieren (Zu welchem Themenbereich gehört ein bestimmter Text?)
  • Emotionen erkennen (Ist eine Twitter-Nachricht positiv, negativ oder neutral geschrieben?)
  • Natural Language Understanding („Buche einen Flug nach London um 18 Uhr“)
  • Maschinelle Übersetzung („Heute fühle ich mich nicht gut“ –> „Oggi non mi sento bene“)
  • Erkennung von Objekten auf Bildern

Dies sind nur einige Beispiele für die Möglichkeiten des Systems. Derzeit wird die Erkennung gesprochener Sprache nicht direkt unterstützt. Solche Funktionen lassen sich jedoch mit Hilfe eine ML-Experten nachrüsten und werden vermutlich in einem künftigen Release nachgeliefert. Da sich Ludwig aktiv von Uber weiterentwickelt wird können wir uns vermutlich in regelmäßigen Abständen über neue System-Features freuen.

Gesteuert wird das ganze über Textkommandos. Für all diejenigen, die Drag & Drop gewohnt sind, ist das zunächst eine Umstellung. Doch die zur Verfügung stehenden Befehle sind auf der Ludwig-Website sehr gut dokumentiert. Obwohl das ganze ohne Programmierung auskommt, sind dennoch Machine Learning-Grundkenntnisse notwendig. So sollten Sie zum Beispiel wissen, was der Unterschied zwischen einem CNN und einem RNN ist (das sind zwei verschiedene Typen neuronaler Netze). Falls Sie sich in Ludwig einarbeiten möchten, sollten Sie dafür mindestens zwei Tage Einarbeitungszeit einkalkulieren. In dieser Zeit sollten Sie die Hilfe eines Fachmanns/einer Fachfrau in Anspruch nehmen.

Uber_Ludwig_User-interface

 

Microsoft Azure Machine Learning Studio

Machine Learning Studio ist eine browserbasierte, visuelle Umgebung zum Entwickeln per Drag & Drop. Es handelt sich um eine Cloud-Lösung. Das bedeutet das Learning Studio wird vollständig über den Browser bedient. Eine Installation entfällt also. Zum schnellen Einstieg können Sie aus einer Reihe von Beispieldatensätzen wählen, so dass sich schnell in Ihr erstes eigenes Projekt einsteigen können. Die verarbeiteten Daten können direkt im Browser visualisiert werden. Es steht eine ganze Reihe der üblichen Algorithmen zur Verfügung, diese können ebenfalls mit Drag & Drop eingefügt werden. Wie bei Ludwig gilt auch hier: Ein gutes Grundverständnis ist Voraussetzung für die Erstellung eigener Lösungen. Denn auch Azure liefert dem Laien keinerlei Anhaltspunkte, welcher Algorithmus für die konkrete Aufgabenstellung am besten ist.

Microsoft bietet Machine Learning Studio kostenlos zum Test an. Für reale Projekte muss jedoch eine Nutzungslizenz erworben werden und Sie müssen über ein Azure-Konto verfügen. Sofern Sie mit echten Kundendaten arbeiten, ist im Zeitalter der Datenschutz-Grundverordnung (DSGVO) natürlich besondere Vorsicht geboten. Hier müssen die entsprechenden rechtlichen und security-technischen Vorkehrungen getroffen werden.

Azure Machine Learning Studio

 

deepcognition.ai

Die in Texas beheimatete Firma Deep Cognition bietet mit dem Deep Learning Studio ebenfalls eine Drag & Drop Lösung an. Im Gegensatz zur Konkurrenz von Microsoft wird nicht nur eine Cloud-Lösung, sondern auch eine Version zum Download angeboten. Die Installation gelingt dank ausführlicher Anleitung recht leicht. Das Produkt ist mit gängigen KI-Plattformen wie Tensorflow,PyTorch und Caffe kompatibel. Damit ergibt sich die Sicherheit, dass sich ihr (hoffentlich) funktionierendes Machine Learning-Projekt auch in Produktion überführen lässt. Es existiert eine größere Anzahl an Einführungsvideos, anhand deren die Bedienung erläutert wird.

Einen Pferdefuß gibt es leider noch: Glaubt man der Website des Herstellers, so besteht dessen Kern-Entwicklungsteam gerademal aus drei Personen. Im Konkurrenzkampf mit Branchenriesen wie Microsoft, Google und Uber ein klarer Nachteil. Sollte deepcognition.ai im Kampf David gegen Goliath unter die Räder kommen, stünden Sie als Nutzer am Ende des Tages ohne Support da. Das muss natürlich nicht so eintreten, sollte bei der Wahl der Softwarelösung jedoch berücksichtigt werden.

Deepcognition.ai Deep Learning Studio

Fazit: A Fool with a Tool is Still a Fool

Die hier vorgestellten Mitbewerber halten alle was sie versprechen: Machine Learning ohne Programmierkenntnisse. Dies bedeutet aber nicht, dass Sie ohne Vorkenntnisse loslegen können. Basiskenntnisse zur Aufbereitung von Daten (Feature Engineering) und Netzmodellen (CNN, RNN, LSTM) sind trotzdem notwendig. Außerdem existieren noch eine Vielzahl von Stellschrauben (Hyperparameter), ohne die eine Optimierung des Machine Learning-Projekts nicht möglich ist.

Welches Tool ist nun das beste?

  • Sofern Sie mit einem Hosting ihrer Daten bei Microsoft kein Problem haben, sollten Sie sich die Azure-Plattform ansehen.
  • Ludwig hingegen ist eine robuste Lösung, die ohne Cloud funktioniert und dank prominenter Unterstützung von Uber langfristig weiterentwickelt werden wird.
  • Das Deep Learning Studio von Deepcognition.ai ist ein „runde Sache“. Sowohl Benutzerführung und Funktionsumfang überzeugen. Der langfristige Erfolg des Herstellers am Markt bleibt aber noch abzuwarten und wir dürfen auf das künftige Lizenzmodell gespannt sein.

Link-Empfehlungen:

Kostenlose Online-Seminare zum Thema künstliche Intelligenz

Offenes Seminar: Grundlagen der KI, auch für Nicht-Techniker