Während Computer mathematisch einfach zu formulierende Probleme in Windeseile lösen können, scheitern Maschinen nach wie vor an für das menschliche Gehirn einfachen Aufgaben: Zum Beispiel ist es für Computer eine gigantische Hürde, auf einem Bild zu erkennen ob ein Hund oder ein Berg zu sehen ist.


[b]Große Hürden
Seit vielen Jahren forscht eine große Zahl von Unternehmen an Lösungen, damit Computer Datensätze "verstehen" und Rückschlüsse auf die Bedeutung treffen können. Dabei wird Maschinelles Lernen eingesetzt, um komplexe Eingangsdaten wie zum Beispiel ein Bild in einfachere Regeln zu zerlegen. Eine Teilmenge des Maschinellen Lernens ist "Deep Learning", bei dem eine komplexe, mehrere Schichten tiefe Hierarchie aufgebaut wird, um ein Eingangsmuster zu deuten.

Natürlich hat auch Apple großes Interesse an maschinellem Lernen: Mit CoreML bietet Apple derzeit ein Framework an, dass Entwicklern die Auswertung von Modellen auf iOS und Macs erlaubt. So kann zum Beispiel ein Entwickler ein ML-Modell erstellen, das Katzen auf Bildern verlässlich identifiziert. Dieses Modell dient daraufhin zur Auswertung eines aufgenommenen Bildes und teilt dann mit, ob eine Katze sichtbar ist oder nicht.

CoreML erlaubt es derzeit noch nicht, auf Endkundengeräten neue Modelle zu erstellen - zum "trainieren" dieser Modelle muss der Entwickler hunderte von Bildern auswerten und jeweils mitteilen, ob das gesuchte Objekt sich auf dem Foto befindet. Diese fertig trainierten Modelle werden einer App beigelegt und können auf neuen Fotos identifizieren, ob ein gesuchtes Objekt sichtbar ist oder nicht. Aufgrund des Rechenaufwandes und der Komplexität müssen diese trainierten Modelle aber vorberechnet werden - ein echtes "Anlernen" von neuen Modellen ist mit CoreML derzeit nicht möglich.

Apple investiert in das maschinelle Lernen aber immer mehr: Eine Auswertung von Thinknum hat ergeben, dass die Zahl von Stellenausschreibungen bei Apple mit dem Begriff "Deep Learning" seit Oktober 2017 stetig wächst. Fällt das "Deep Learning"-Schlagwort vor Oktober 2017 noch gar nicht, schreibt Apple seit April zwischen 4 und 9 offene Stellen in diesem Bereich aus.