April 2020

Vom maschinellen Lernen bis zum intelligenten Roboter − der Begriff „Künstliche Intelligenz“ eröffnet ein großes Spannungsfeld zwischen realistischen Anwendungen und überzogenen Erwartungen. (Bild: Adobe Stock / sdecoret)

Lesen Sie die gesamte Ausgabe als E-Paper.

Zur Ausgabe

Meinung

Achim Lilienthal und Sami Haddadin
04 / 2020 Seite 3

Die Physik der Roboter

weiterlesen

Aktuell

Kerstin Sonnabend
04 / 2020 Seite 6

MOSAiC: Langsam wird es heller

weiterlesen
Maike Pfalz
04 / 2020 Seite 7

Ein kleiner Bruder für Columbus

weiterlesen
Kerstin Sonnabend
04 / 2020 Seite 7

Wichtige Schritte gemacht

weiterlesen
Matthias Delbrück
04 / 2020 Seite 8

Digitale Strukturen

weiterlesen
Kerstin Sonnabend
04 / 2020 Seite 8

Wie steht’s um die Forschungsfreiheit?

weiterlesen
Kerstin Sonnabend
04 / 2020 Seite 10

Gigantisches Suchspiel mit Galaxien

weiterlesen
Anja Hauck
04 / 2020 Seite 11

MeerKAT: Geschärfter Radioblick

weiterlesen
Alexander Pawlak
04 / 2020 Seite 11

ESO: Störende Konstellationen

weiterlesen
Matthias Delbrück
04 / 2020 Seite 11

USA

weiterlesen
Matthias Delbrück
04 / 2020 Seite 13

Die Kanadier am Horizont

weiterlesen

Leserbriefe

Thomas Gutberlet
04 / 2020 Seite 13

Zu optimistische Sichtweise

weiterlesen

Brennpunkt

Friedrich-Karl Thielemann
04 / 2020 Seite 16

Vom Schicksal der Sterne

weiterlesen
Dietrich Leibfried
04 / 2020 Seite 18

Ein quantenlogischer Paradigmenwechsel

weiterlesen
Maciej Lewenstein und Anna Sanpera Trigueros
04 / 2020 Seite 20

Temperaturmessung auf Quantenniveau

weiterlesen

Schwerpunkt

04 / 2020 Seite 22

Meilensteine der Künstlichen Intelligenz

weiterlesen
Ulrich Eberl
04 / 2020 Seite 24

Die Revolution der smarten Maschinen

Maschinen lernen dank Künstlicher Intelligenz rasend schnell sprechen, sehen, lesen und auch, große Datenmengen nach Mustern zu durchsuchen. Sie werden bald alle Lebensbereiche des Menschen grundlegend verändern. Was treibt diese Entwicklung, wo liegen die Anwendungen, wie intelligent können Maschinen werden und was können Phy-
siker dazu beitragen?

Über ein halbes Jahrhundert lang spiegelte der Begriff „Künstliche Intelligenz“ (KI) eher die überzogenen Erwartungen seiner Erfinder wider, als dass er etwas mit der Realität zu tun hatte. In den Jahrzehnten nach 1956, als erstmals ein Forschungsprojekt von Wissenschaftlern um John McCarthy, Marvin Minsky und Claude Shannon so bezeichnet wurde [1], waren die Erfolge überschaubar: Eine Software, die besser Dame spielte als ihr Entwickler, erste selbsttätig fahrende Autos in den 1980er-Jahren, der IBM-Rechner Deep Blue, der 1997 den Schachweltmeister Garri Kasparow besiegte, zweibeinige Roboter wie Hondas Asimo und kleinere Neuronale Netze, welche die Steuerung von Walzwerken und Papierfabriken optimierten – das waren die wesentlichen Meilensteine. (...)

weiterlesen
04 / 2020 Seite 30

Neuronale Netzwerke kurz erklärt

weiterlesen
Martin Erdmann
04 / 2020 Seite 31

Deep Learning

Die Entwicklung neuer Technologien ist entscheidend für Erkenntnisgewinne in der Grundlagen- und angewandten Forschung. Fortschritten bei modernen Datenanalyseverfahren kommt dabei besondere Bedeutung zu: Sie sind der Schlüssel, um neue Erkenntnisse aus Messdaten zu schöpfen und entscheidenden Mehrwert aus Messapparaturen zu erwirken.

In der Physik werden aktuell Deep Learning-Verfahren bei Fragestellungen erprobt, bei denen sich ein passender Algorithmus nicht so einfach programmieren lässt. Hier weisen Deep Learning-Verfahren häufig Vorteile gegenüber bisher verwendeten Analyseverfahren auf, was zu präziseren wissenschaftlichen Resultaten führt, Erkenntnisprozesse zu mindest beschleunigt oder eventuell erst ermöglicht. Deep Learning beruht auf neuronalen Netzwerken (vgl. dazu die Artikel von Ulrich Eberl und Marco F. Huber sowie die Infoseite „Neuronale Netzwerke kurz erklärt“) [1]. Mit ihnen lassen sich flexible Modelle für beliebige funktionale Zusammenhänge realisieren (Abb. 1). (...)

weiterlesen
Marco F. Huber
04 / 2020 Seite 37

Lernen aus der Black Box

Maschinen sind dem Menschen bei vielen Aufgaben überlegen. Ein Computer führt numerische Berechnungen um Größenordnungen schneller und präziser durch, und auch beim fehlerlosen Speichern und Abrufen großer Datenmengen ist die Maschine ungeschlagen. Was uns auszeichnet, sind die kognitiven Fähigkeiten: Zwar übertreffen künstliche Sensoren unsere Sinneswahrnehmungen, doch in der Verarbeitung dieser Information, also im Lernen, Erinnern und Anwenden, zeigt unser Gehirn seine wahre Leistungsfähigkeit. Durch das sogenannte Deep Learn ing gelang es in den letzten Jahren, den Rückstand von Maschinen bei Mustererkennung, Sprachverarbeitung oder Problemlösefähigkeit deutlich zu verkürzen und in Teilen sogar in eine Überlegenheit zu wandeln.

Von allen Sinnesorganen des Menschen ist der Sehsinn für das Wahrnehmen der Umwelt der wichtigste: Er liefert rund Prozent aller Informationen. Sehen bedeutet, dass elektromagnetische Lichtwellen die Hornhaut und das gesamte Auge durchdringen. Auf der Netzhaut angelangt, regen sie Nervenzellen an, welche die Licht reize über den Sehnerv an das Gehirn weiterleiten. Erst dort entsteht das Bild. Im visuellen Cortex, dem Bereich des Gehirns, der für das Sehen zuständig ist, reagieren Nervenzellen auf unterschiedliche Reize wie bestimmte Farbkombinationen oder Hell-Dunkel-Kontraste. Solche Eindrücke ermöglichen durch den Vergleich mit gespeicherten Bildern das Wiedererkennen eines bekannten Gesichts. (...)

weiterlesen

Forum

Maike Pfalz
04 / 2020 Seite 42

„Uns hat es alle überrascht, wie gut der Mensch ist.“

Der Psychophysiker Felix Wichmann und der Physiker Matthias Bethge wollen den menschlichen Sehprozess genau verstehen, um künstlichen Intelligenzen robustes Sehen beizubringen. Bethge nutzt künstliche neuronale Netze, um das Sehen zu ergründen, Wichmann beschäftigt sich mit den psychologischen Prozessen, die der menschlichen visuellen Wahrnehmung zugrunde liegen.

Sie untersuchen die Robustheit des Sehens. Worum geht es dabei konkret?

Felix Wichmann: Robustes Sehen bedeutet, sich nicht davon beeinflussen zu lassen, dass sich die Randbedingungen radikal ändern. Das stört den Menschen praktisch nicht. Wir können Objekte erkennen, wenn sie halb
verdeckt sind oder wir sie aus einem anderen Blickwinkel sehen beziehungsweise wenn es sehr hell oder dunkel wird. Dieses robuste Sehen möchten wir den Maschinen beibringen.

Worin besteht dabei das Problem?

Matthias Bethge: Wenn neue Daten oder Probleme den Trainingsdaten ähneln, sind Maschinen meistens besser als der Mensch. Aber mit Störungen können sie schlechter umgehen. In unserem Forschungsprojekt untersuchen wir, was die Robustheit des menschlichen Sehens ausmacht.

Wie untersuchen Sie das?

Wichmann: Unser Labor ist komplett schwarz, damit wir die Versuchspersonen gezielt visuellen Reizen aussetzen können, die wir genau unter Kontrolle haben. Ich weiß also exakt, welches Licht mit welcher Wellenlänge den Menschen ins Auge fällt. Darauf bauen wir unsere Modelle auf, um daraus Verhalten vorauszusagen. (...)

weiterlesen

Physik im Alltag

Kerstin Sonnabend
04 / 2020 Seite 46

Ohne Handumdrehen sauber

weiterlesen

Menschen

04 / 2020 Seite 48

Personalien

weiterlesen
Günter Dumpich, Michael Farle, Winfried Petry, Konrad Samwer,
04 / 2020 Seite 52

Nachruf auf Eberhard Wassermann

weiterlesen
Maike Pfalz
04 / 2020 Seite 53

„Die Fachkollegien sorgen für die Qualitätssicherung.“

weiterlesen

Rezensionen

DPG

04 / 2020 Seite 57

Laudatio auf Eugene Polzik

weiterlesen
04 / 2020 Seite 57

Gentner-Kastler-Preis

weiterlesen
Ulrike Küst
04 / 2020 Seite 58

Exoplaneten und mögliches Leben auf ihnen

weiterlesen
04 / 2020 Seite 58

Änderungen im Vorstand der PGzB

weiterlesen

Tagungen

Klaus Hornberger, James Millen, Markus Arndt
04 / 2020 Seite 59

Levitierte Optomechanik

weiterlesen
Andreas Haungs, Karl Mannheim, Matthias Steinmetz
04 / 2020 Seite 59

The Science Cloud

weiterlesen
Karin Leistner, Jordi Sort Viñas, Robert Kruk
04 / 2020 Seite 59

Energy Efficient Magnetoelectric Materials by Ionic Approaches

weiterlesen

Weitere Rubriken

04 / 2020 Seite 61

Notizen

weiterlesen

Schnelle und hochzuverlässige Lecksuche

Der kompakte ASM 340 ist der perfekte Allrounder für den Prüfalltag und garantiert Spitzenleistung bei der Vakuum- und Schnüffellecksuche.

Mehr Informationen

Sonderhefte

Die Sonder­ausgaben Physics' Best und Best of präsentieren kompakt und übersichtlich neue Produkt­informationen und ihre Anwendungen und bieten für Nutzer wie Unternehmen ein zusätzliches Forum.

Schnelle und hochzuverlässige Lecksuche

Der kompakte ASM 340 ist der perfekte Allrounder für den Prüfalltag und garantiert Spitzenleistung bei der Vakuum- und Schnüffellecksuche.

Mehr Informationen

Sonderhefte

Die Sonder­ausgaben Physics' Best und Best of präsentieren kompakt und übersichtlich neue Produkt­informationen und ihre Anwendungen und bieten für Nutzer wie Unternehmen ein zusätzliches Forum.