Dieses Wochendende habe ich „mal eben“ einen KI-Service aufgesetzt. Das können Sie beim passenden Anwendungsthema vermutlich auch.
No-Code ist die Devise, um heute KI-Anwendungen aufzusetzen.
Für die Entwicklung von eigenen KI- oder KI-nahen-Services muss man heute nicht mehr in den wissentschaftlichen Eifelturm steigen oder ein Programmier-Nerd sein. Dies gilt zumindest für Anwendungen, die im Mainstream liegen.
So habe ich am Sonntag innerhalb kurzer Zeit (<2h) einen Service zur Klassifizierung von Apartmentzimmern auf Fotos online bereitgestellt. Bescheiden muss ich eingestehen, dass das keine herausragende Leistung von mir erforderte.
Die Schnelligkeit in der Umsetzung ergibt sich aus der klaren Aufgabenstellung und dem einfachen No-Code-Programmier-Interface, in diesem Fall von Microsoft.
Die KI-Pipeline
Die Implementierungskette für solch eine Anwendung ist üblicherweise:
- Bereistellung klassifizierter Bilder (Dataset)
- Training des Klassifikators – Neuronales Netz (hier beginnt die KI)
- Testlauf des Klassifikators
- Bei Bedarf Tuning des Klassifikators
- Deployment des Klassifikators
Und genau diese Kette findet sich auch in der No-Code-Programmierumgebung von z.B. customvision.ai.
Die Lernphase
Hier ein Screenshot zur Perfomance des Klassifikators. Beachtlich ist, dass bereits bei der geringen Anzahl an Bildern für die Lernphase, so gute Ergebnisse erziehlt.
Testlauf und Tuning
Bei den ersten Testläufen mit neuen Bilddaten gab es dann auch nicht nur eindeutige Klassifizierungen. So wurde folgendes Bild zu 80% als Küche erkannt; nicht wirklich falsch, aber auch nicht wirklich richtig. Das habe ich dann erstmal gerne als Anregung genommen einen Kaffee zu kochen.
Ein anschließendes Tuning des Klassifikators hat dann auch diese Einordnung verbessert.