Um ein Gemälde im Picasso-Stil zu besitzen, hätten Ina-Christin Nicolai, Matthias Wagner und Tobias Linn, Studierende im Master-Studiengang „Elektro- und Informationstechnik“ an der Hochschule für Technik und Wirtschaft des Saarlandes (htw saar), eine Zeitmaschine bauen müssen. Da jedoch weder die Auswirkungen auf Raum und Zeit wirklich bekannt sind und noch keine Technik für das Reisen in die Vergangenheit existiert, blieb ihnen nichts anderes übrig, als eine künstliche Intelligenz so zu programmieren, dass diese in der Lage ist, den Stil eines bekannten Gemäldes auf ein beliebiges Foto zu übertragen.

Die Projektarbeit aus der Vorlesung „Musteranalyse und Maschinenintelligenz“ von Prof. Dr. Ahmad Osman kam da wie gerufen. In dieser Vorlesung bietet Professor Osman seinen Studierenden u.a. eine fundierte Einführung in moderne Techniken des Maschinellen Lernens an, wodurch Computertechnologie gezielt so programmiert wird, die kognitiven Fähigkeiten des Menschen nachbilden zu können.

Der Prozess des Maschinellen Lernens und die Anwendung von neuronalen Netzen sowie der Datenanalyse ist ein spannendes und zukunftsorientiertes Wissens- und Forschungsgebiet. Neben der Klärung von industriellen Fragestellungen zur Einsatzmöglichkeit von Algorithmen zur Datenanalyse, deren Bewertung und die Fähigkeit geeignete Analysemethoden auszuwählen, stehen ebenso die praxisorientierte Einführung in die Thematik sowie die programmiertechnische Umsetzung im Fokus der Vorlesung. „Maschinelles Lernen ist das Zukunftsfeld. Künstliche Intelligenz wird unseren Alltag durchdringen, so dass immer mehr Fachkräfte zur Entwicklung in diesem Bereich benötigt werden,“ erklärt Prof. Osman.

In einer Projektarbeit mit frei wählbarem Thema, wurde das neu gelernte Knowhow von den Studierenden direkt in der praktischen Anwendung umgesetzt. Gemeinsam stellten sich Nicolai, Wagner und Linn die Aufgabe, ein neuronales Netz aufzubauen, das in der Lage sein sollte, ein Bild im Stil eines Gemäldes aufzubereiten. Sie nutzen dazu das sogenannte Deep Learning, eine Teilmenge des Maschinellen Lernens, das hierarchische Schichten nutzt, um den Prozess des Maschinellen Lernens durchzuführen. Die Studierenden verschafften sich in einem ersten Schritt einen Überblick über die relevanten wissenschaftlichen Publikationen.

Innerhalb einer Publikation fanden sie schließlich einen detailliert beschriebenen Programmablaufplan für die “Image Style Transfer”-Technik, den es nun in Computersprache umzusetzen galt. Grundlage der Implementierung stellte ein neuronales Netz dar, welches für die „Objekterkennung“ bereits vortrainiert war. Durch gezielte Ansteuerung bestimmter Schichten des Netzes und der Berechnung einiger mathematischer Funktionen auf diesen sogenannten Layer, war das neuronale Netz schließlich in der Lage, den Bildinhalt eines beliebigen Fotos im Stil eines beliebigen Gemäldes in bemerkenswerter Qualität neu zu zeichnen.

Die Ergebnisse der Projektarbeit lassen die Kraft und Tiefe von neuronalen Netzen und ihr Potenzial erkennen. Alle drei Studierenden sind von den Möglichkeiten begeistert: „Die mathematischen Hürden erscheinen zunächst hoch, können mit Geduld und Engagement aber bewältigt werden. Die Ergebnisse sind am Ende aller Mühe wert“.