Konzerne, die sich mit der Thematik auseinandersetzen sind große Namen wie Intel, Microsoft sowie Google. Dabei hat Google mit dem TensorFlow™ Algorithmus den aktuell potentesten DeepLearning Algorithmus entwickelt und quelloffen zur Verfügung gestellt. TensorFlow™ ist eine Open-Source-Software-Bibliothek für die numerische Berechnung mit Datenfluss-Diagrammen. Knoten im Diagramm repräsentieren mathematische Operationen, mit denen mehrdimensionalen Datenarrays (Tensoren) berechnet werden. Die Softwarebibliothek ahmt dabei ein neuronales Netzwerk nach. TensorFlow™ wurde ursprünglich von Forschern und Ingenieuren des Google Brain Team entwickelt, in dem Google seine Maschinenintelligenz-Forschung bündelte. TensorFlow™ kann sowohl auf einem Prozessor als auch auf einer GPU (graphics processing unit) ausgeführt werden. Für Rechenoperationen können neben Prozessoren auch Nvidia GPUs verwendet werden, die gegenüber Prozessoren Geschwindigkeitsvorteile bieten.

Der TensorFlow™ Algorithmus kommt dabei aktuell bei Google Translate als auch bei der Android Spracherkennung sowie bei der Google Bildersuche zum Einsatz. Neben Google verwenden auch Airbnb, Airbus, ARM, DeepMind, Dropbox, Ebay, IBM, Intel, Qualcomm, SAP, Snap, Twitter und Uber den TensorFlow™ Algorithmus, um Problemstellungen zu lösen. Aktuell sind im Automotive-Bereich des autonomen Fahrens die Firmen MobileEye und Nvidia hardwaretechnisch führend.

Wer den Kursverlauf von Nvidia in der Vergangenheit beobachtet hat, hat sich eventuell gewundert, wie sich diese Firma innerhalb derart kurzer Zeit im Wert verdoppeln konnte. Die Antwort ist einfach: GPUs haben im Vergleich zu Prozessoren Performance Vorteile bei der Berechnung von Problemen, die neuronale Netzwerke erfordern. Da der TensorFlow™ Algorithmus aktuell nativ nur auf GPUs von Nvidia lauffähig ist und ein Großteil der Google Produkte mittlerweile ohne Machine Learning nicht mehr denkbar währe, kann man sich den Bedarf derartiger Hardware allein bei Google leicht überlegen. Dabei ist der Automotive Sektor, bei dem immer ausgeklügeltere Algorithmen zur Beurteilung der Sensordaten von autonom fahrenden Fahrzeugen entwickelt werden, noch nicht berücksichtigt. Auch auf diesem Feld finden aktuell extreme Entwicklungssprünge statt. Derartige Algorithmen sind allerdings immer nur so gut wie die Daten, mit denen sie gefüttert werden, und hier wird es interessant. Vor einigen Jahren hat Google festgestellt, dass die im Unternehmen vorhandene Datenmenge ausreichend ist, um den Aktienmarkt vorauszusagen. Laut Aussage eines Google Managers wurde das Vorhaben aus rechtlichen Gründen wieder eingestellt.

Ich hoffe, wir haben etwas „Licht ins Dunkel“ der künstlichen Intelligenz und in den Kursverlauf der Nvidia Aktie bringen können. In einen weiteren Artikel werden wir uns damit befassen, wie wir derartige neuronale Netzwerke verwenden können, um historische Kursverläufe auszuwerten und maschinell Prognosen für die Zukunft erstellen lassen zu können.

Wer eine Stunde Zeit hat, um sich über unsere Zukunft aufklären zu lassen, sollte sich den Vortrag von Dr. Wagener unbedingt anschauen.

Artificial intelligence, machine learning, and its impact on us (and on the Nvidia share price)

The topic of machine learning is being increasingly discussed and applied in different scopes. The potential applications of this technology are incredibly versatile and stretch from speech- and text- to image recognition or the prediction of share prices. Even autonomous driving, translation, handwriting generation, the prediction of sound from videos without a soundtrack, automatic colouring of black and white images, text comprehension and interpretation as well as playing chess, Go or Quake can now be achieved by such algorithms.

Big players, active in that field, are names such as Intel, Microsoft as well as Google. With TensorFlow™, Google  developed the currently most potent open source DeepLearning algorithm. TensorFlow™ is an open source software library, created for numerical calculation using data flowcharts. Nodes in the diagram represent mathematical operations, with which multidimensional data arrays (tensors) can be calculated. The software ltenibrary imitates a neuronal network such as the human brain. TensorFlow™ was originally developed by researchers and engineers of the Google Brain Team, where Google focused its research of machine intelligence. TensorFlow™ can be run by a processor as well as a GPU (graphics processing unit). For arithmetic operations, Nvidia GPUs can also be used instead of processors, which offers speed advantages.

The TensorFlow™ algorithm is currently being used by Google Translate as well as by android voice recognition and the Google image search. Next to Google, Airbnb, Airbus, ARM, DeepMind, Dropbox, Ebay, IBM, Intel, Qualcomm, SAP, Snap, Twitter and Uber also use the TensorFlow™ algorithm to solve problems. In terms of hardware, the companies MobileEye (recently bought by Intel) and Nvidia are currently leading in the automotive field of autonomous driving.

People who have observed the share of Nvidia in the past, may have asked themselves, how this company could double its value within such a short time frame. The answer is simple: In comparison to processors, GPUS have advantages in performance regarding the calculation of problems, which require neuronal networks. As the TensorFlow™ algorithm is currently, in native form, only executable with GPUs by Nvidia, and the majority of Google products nowadays couldn't exist without machine learning, one can easily picture the demand of this type of hardware considering Google alone. At the same time, the automotive sector, in which increasingly sophisticated algorithms are being developed, is not yet taken into account. Extreme leaps are currently undertaken in this field. Algorithms of that kind are however only as good as the data with which they are fed, and here it becomes interesting. A couple of years ago, Google realised that the quantity of data available in the company is sufficient to predict the stock market. According to a Google manager, the proposition was stopped due to legal reasons.

I hope that we were able to "shed some light" on artificial intelligence and the price development of the Nvidia share. In another article, we are going to deal with ways in which we can use that kind of neuronal networks to evaluate historical price developments and probably produce some predictions for the future, applying this technique.