Der coole neue Machine Learning Dienst Lobe ist gerade erst in die Beta gestartet. Das Tool ist so smart und einfach, dass ich es euch einfach mal vorstellen möchte. Es ist ein sogenannter No-Brainer unter den KI-gestützten Tools und ist somit von jedermann ganz einfach einsetzbar. Ich zeig dir heute einfach mal an Pilzen wie dir Lobe helfen könnte ein reales Problem zu lösen. Los geht's.

Warum Pilze? Es gibt doch schon so viele Apps und Webseiten? Wieso nicht was Cooleres? Warum das Rad neu erfinden?

Nun, dass es hilfreiche Anwendungen gibt, die dir helfen Pilze nachzuschlagen, ist bekannt. Dennoch sind die meisten Apps begrenzt auf eine bestimmte Anzahl an Pilzen. Oder aber die App erkennt eine Sorte Pilze nicht und zeigt einen möglichen giftigen Pilz damit nicht an. Und du selbst hast gar keinen Einfluss auf die Pilz-Datenbank. Manche Apps haben zwar ein Forum wo man fragen kann, aber ist natürlich blöd im Wald dann erst einmal auf eine Antwort zu warten. Viel cooler wäre es eine Datenbank zu haben und diese selbst füllen zu können.

Damit haben wir im Grunde schon genug Gründe uns selber eine Datenbank aufzubauen. Aber Datenbank, ist das nicht dieses Ding, wo man programmieren muss und dann auch noch eine Oberfläche bauen und wo man die Pilze händisch kategorisieren muss. Ganz zu schweigen, dass man auch einen Algorithmus schreiben müsste, der hochgeladene Bilder auch zuverlässig erkennt. Vieles bringt Lobe schon von Hause aus mit.

All das spricht für Lobe. Denn Lobe gibt euch die Freiheit unendlich Bilder selbst in Kategorien einzuteilen. Also eine Bilder-Datenbank oder auch Video-Datenbank zu erstellen ohne zu programmieren.

Lobe wird zunächst auf deinem Computer installiert.

Da es derzeit in der Beta ist, sollte man vorsichtig sein. Die Anbindungen an die Datenbank können sich unter Umständen noch verändern. Aber das grundsätzliche Konzept bleibt bestehen. Kleine Anpassungen sind aber in der Zukunft notwendig.

Zuerst nun die Pilz-Bilder hochladen.

Ok das war easy. Ich habe den Bildern auch gleich einmal die korrekten Namen der Pilzart gegeben. Wenn ihr das für ein anderes Beispiel braucht, passt ihr das natürlich entsprechend an. Ich habe hier 4 Pilzarten genommen.

Jetzt wird es Zeit den Lobe-Algorithmus zu trainieren. Bisher haben wir sozusagen die Grundlage der Berechnung geschaffen. Jetzt erfolgt das Extrahieren von Merkmalen, die dafür sorgen, dass auch künftige Bilder von Pilzen richtig zugeordnet werden können. Das macht Lobe intern. Eigentlich sehr schade, dass man den Algorithmus nicht wählen kann. Hier muss man also Lobe vertrauen, dass die richtigen Merkmale extrahiert werden. Also zum Beispiel die Beschaffenheit des Pilzes oder bestimmte Merkmale wie beim Fliegenpilz.

Wie man gut sehen kann, wurden 2 Fliegenpilze als Steinpilz erkannt. Also der Algorithmus lag bei den beiden Bildern falsch in der Vorhersage. Mist.

Aber das ist kein Problem. Wir kümmern uns gleich darum. Nun zum coolen Teil von Lobe. Über Play könnt ihr weitere Bilder hochladen und Lobe sagt euch direkt was es für ein Pilz sein soll. Klappt im Grunde sehr ähnlich wie bei Label. Ihr müsst dann einfach nur sagen ob Lobe korrekt vorhergesagt hat oder nicht.

Kurz zusammengefasst kann man also sagen, dass wir bisher schon sehr gute Voraussagen haben. Trotz, dass wir nur wenige Bilder haben. Natürlich wächst die Sicherheit der Vorhersage mit der Anzahl an Bildern. Auch sollte man Bilder aus verschiedensten Blickwinkeln schießen, um später im Wald auch bei schlechter Helligkeit gute Ergebnisse zu erhalten.

Jetzt beheben wir das Fliegenpilzproblem von gerade eben. Dazu einfach die falschen Vorhersagen mit mehr Bildern vom Hallimasch korrigieren. Bei mir hat es gereicht einen Hallimasch noch zu labeln. Bei euch kann das natürlich auch reichen, muss es aber nicht. Das ist auch immer abhängig von der Qualität der Bilder.

Jetzt sollte alles im grünen Bereich sein. Super, also alles fein jetzt?

Im Grunde schon. Man kann aber den Erkennungs-Modus auch umschalten. Standard ist eher das schnelle Model. Also eine schlechtere Vorhersage, dafür aber mit schnelleren Vorhersagen. Wenn euer Rechner Power hat, könnt ihr aber grundsätzlich in das Optimierte Model umschalten. Dauert bei den paar Bilder nur wenige Sekunden.

Sehr gute Frage. Denn, wenn ihr im Wald seid, bringt euch ja eine lokale Datenbank wenig. Doch Lobe bringt eine APIs mit, womit sich zum Beispiel über die Python-API sehr einfach die Datenbank dann nutzen lässt.

Bedeutet also, dass ihr den Rechner wo Lobe installiert ist von draußen erreichen können müsst. Dann noch eine Python-Anwendung schreibt und mit dieser dann über Lobe kommuniziert. Noch folgen, soll auch eine Lobe-Android-App. Aber die ist aktuell noch nicht verfügbar. Jetzt könnt ihr ein Bild auf der Python-Webseite hochladen und Lobe gibt euch die Klassifikation zurück. Einfacher gehts fast nicht.

Der einzige Haken ist, dass ihr eine Internetverbindung braucht, was im Wald relativ schwierig ist. Aber in Zukunft schon denkbar, dass überall Internet vorhanden ist. Zur Not könnte man ja auch zu Hause den Pilz dann fotografieren.

Anhand der Pilz-App kann man gut sehen wie einfach es ist ein sinnvolles Beispiel zu finden. Lobe ist damit super einfach zu nutzen, kostenlos und eine gute Software um in die Künstliche Intelligenz einzusteigen.

Noch viel interessanter wäre es, dass die Android-App komplett ohne Internet auskommt. Dann müssten aber Algorithmus und Anwendung auf dem Smartphone laufen. Das würde dann sicher viel Strom fressen. Mit der aktuellen Lösung kann man wiederum unendliche Geräte mit dem einen Server nutzen. Ich würde mir aber wünschen, dass der Nutzer selbst wählen kann, welche Umsetzung man möchte.