Um seine Intelligent-Awareness-Systeme weiterzuentwickeln hat Rolls-Royce eine Vereinbarung mit dem Internetkonzern Google getroffen. Nun wird gemeinsam in der Cloud entwickelt.
Unterschrieben wurde die Vereinbarung auf dem Google Cloud Summit in Schweden. Sie erlaubt es Rolls-Ro[ds_preview]yce, Googles Cloud Machine Learning Engine zu nutzen, um sein auf künstlicher Intelligenz (AI) basierene Objektklassifizierungssystem zu trainieren. Das System erfasst, identifiziert und verfolgt Objekte, die einem Schiff auf See begegnen können.
Die Google Cloud Machine Learning Engine nutzt die gleiche, auf neuronalen Netzen basierte Software, die hinter vielen Google-Produkten wie Bild- und Stimmerkennung steckt. Das maschinelle Lernen besteht aus einem Set von Algorithmen, Werkzeugen und Techniken, die menschliches Lernen nachahmen, um spezifische Probleme zu lösen. Bestehende Datensätze werden analysiert, um Muster zu erkennen und dann Vorhersagen anhand zuvor ungesehener Daten zu treffen. Je größer die Datensätze werden, umso komplexer werden auch die zu erkennenden Muster und umso genauer werden die Vorhersagen daraus.
Schnellere Entwicklung durch die Cloud
Rolls-Royce will nun die Cloud-Software von Google nutzen, um maßgeschneiderte Modelle zu entwickeln, die große und diverse Datensätze aus dem maritimen Bereich interpretieren können. Dabei muss sichergestellt werden, dass die Daten relevant sind und in ausreichender Menge vorliegen, um statistisch signifikant zu sein. Durch Zugriff über die Cloud können diese Modelle von überall aus entwickelt werden. Gleichzeitig stehen sie überall auf der Welt sofort und gleichzeitig tausenden potenziellen Nutzern zur Verfügung.
Auf lange Sicht wollen Rolls-Royce und Google gemeinsame Forschung zum unbeaufsichtigten und multimodalen maschinellen Lernen betreiben. Dabei will man auch testen, ob Spracherkennung und Sprachsynthese einsetzbar für Mensch-Maschine-Schnittstellen im maritimen Bereich sein könnten. Auch das lokale Neural Network Computing an Bord soll unter Nutzung von Open-Source-Software-Bibliotheken wie Googles TensorFlow gemeinsam optimiert werden.
