#bildanalyse

KI meldet Mängel im Bonner Straßenbild

Unsere Straße wird großflächig neu gestaltet. Seit Jahren. Im Sommer ist ein Ende in Sicht, die Laternenmasten werden montiert. Und der Mast vor unserem Haus steht kaum zwei Tage, als ein rotes Fahrrad dort angekettet wird. Das Fahrrad ist wohl ausgesetzt, wie sich nach Tagen und Wochen ohne Bewegung herauskristallisiert. Etwas länger dauert es, bis ein neongelber, gesprühter Punkt auf dem Gehweg auftaucht, wo das Vorderrad die Platten berührt. Eine Markierung, um die Herr*innnenlosigkeit zu dokumentieren, denke ich. Denkste. Nach weiteren Wochen wird das angekettete Fahrrad sorgfältig zur Seite gedreht, an die Stelle des gelben Punktes kommt ein Pfosten für ein Verkehrsschild.

Irgendwann wird es mir zu bunt. Ich konsultiere den Mängelmelder der Stadt, wo ich »Probleme im Bonner Stadtbild« [sic!] melden kann. (Bin ich der Alman?) Seit ich vor sechs Jahren dort zum letzten Mal etwas gemeldet habe (eine Reihe von Nazi-Sprühereien, die umgehend überpinselt wurden), gibt's etwas Neues: einen roten Button, der eine Foto-Meldung mit KI ermöglicht.

Ich lade also mein Handy-Foto des roten Rades hoch, laut den angezeigten Informationen wird »nur eine verkleinerte, EXIF-freie Kopie an Azure OpenAI (Deutschland) übertragen«, und nach etwas künstlichem Nachdenken füllt mir die KI das Formular aus, erkennt zutreffend ein rotes Fahrrad an einem Laternenmasten, das »als Schrottfahrrad eingestuft« werden könnte, »da es verlassen wirkt«. Sie stellt mir die Meldekategorie für heimatlose Fahrräder ein, auch die Adresse wird korrekt ermittelt. (Ich vermute, dass der Mängelfinder die EXIF-Daten auswertet, auch wenn sie nicht an die KI übermittelt werden.)

Meine Leberflecken werden auf eine neue Art vermessen

Ich bin zum ersten Mal seit, naja, ungefähr zwanzig Jahren bei der Hautkrebsvorsorge. Die Ärztin markiert ein paar Leberflecken mit blauen Strichen. Eine andere Mitarbeiterin fotografiert später alles Markierte. (Ich hatte es mir bis dahin so vorgestellt, dass man quasi ganzkörper-abfotografiert und archiviert wird.)

Dazu presst sie das mit Desinfektionsspray (glaube ich) nassgemachte Objektiv eines kleinen Handgeräts auf den Leberfleck und macht stark vergrößerte Fotos, auf denen man jede Pore erkennen kann. Ich stehe beim Fotografiertwerden vor dem Monitor und kann das Ergebnis sehen. Leider schaue ich nicht so aufmerksam hin, weil ich zu diesem Zeitpunkt noch denke, dass es nur um die Archivierung der Fotos geht.

Aber am Ende sagt die Mitarbeiterin, bei einem der Flecken sei das Risiko leicht erhöht. Es hat also schon irgendeine Art Bildanalyse stattgefunden. Ich frage nach. "Ja, das geht jetzt mit KI." Ich wüsste gern, ob es sich um die KI von früher handelt (also ein regelbasiertes Bildverarbeitungssystem) oder um die ganz anders funktionierende aus den letzten paar Jahren. Aber das ist mir als Frage zu kompliziert. Da in der Medizin alles lange braucht, bis es in den Praxen ankommt, vermute ich, es ist noch die KI von früher.

Noch habe ich nicht recht, aber bald

Ich zeige dem Neffen die Google Vision API und lade dazu das erstbeste Bild hoch. Schockhorror! Der Ort wird korrekt erkannt!

Herbeigelockt durch unsere Schreie kommt mein Bruder hinzu, der sich hauptberuflich mit Bildverarbeitung befasst. Das kann nicht sein, sagt er, das kommt aus den Geokoordinaten.

Und so ist es auch, wie sich durch Hochladen desselben Fotos ohne GPS-Daten zeigt:

“Ok, du hattest recht wie meistens”, sage ich. “Aber das bleibt nicht mehr lange so”, sagt mein Bruder, “schon bald funktioniert das wirklich und dann hast du recht.”

Machine Learning gibt den Künstlerberuf, Machine Learning nimmt ihn hinweg

Wegen eines Gesprächs mit Gregor Weichbrodt probiere ich zum ersten Mal die Bildanalysefähigkeiten von Googles Cloud Vision API aus. Ich lade das erstbeste Foto hoch, das mir auf der lokalen Festplatte in die Finger fällt, es ist Teil der Sammlung von Fotos weggeworfener Wäscheständer, aufgenommen hat es Moritz Metz. Und siehe da, Google teilt meine Meinung, es handelt sich um Kunst! Siebzigprozentige Kunst!

Bei allen weiteren getesteten Wäscheständerfotos erkennt Google leider ganz andere Dinge, und Kunst ist nicht dabei:

Amazon bietet mit Amazon Rekognition einen ähnlichen Service an und erkennt sogar 86,4-prozentige Kunst auf dem ersten Foto:

Leider sind dafür, wie der Vergleich mehrerer Ergebnisse zeigt, überhaupt nicht meine künstlerisch wertvollen Wäscheständer verantwortlich, sondern nur die abgerissenen Plakate im Hintergrund. Die sind also Kunst, und meine Sammlung ist nur: Müll.

Evident treibt Innovationen für Diagnostik und Patientenversorgung voran Während die Radiologie bereits weitgehend digitalisiert ist, steht die Pathologie noch am Beginn ihrer digitalen Transformation. Unternehmen wie Evident, hervorgegangen aus der traditionsreichen Mikroskopiemarke Olympus, arbeiten intensiv daran, die Diagnostik von Gewebe- und Zellproben zu revolutionieren. Im Zentrum dieser…

ChatGPT, bekannt für seine Fähigkeit, natürliche Sprache zu verstehen und zu generieren, hat sich in den letzten Jahren auch in der Bildanalyse weiterentwickelt. Diese Technologie eröffnet neue Möglichkeiten für die automatisierte Analyse und Interpretation visueller Informationen, was in verschiedenen Anwendungsgebieten von großem Nutzen sein kann.

Technologische Grundlagen

Die Fähigkeit von ChatGPT, Bilder zu analysieren, beruht auf seinem tiefen neuronalen Netzwerk, das auf maschinellem Lernen basiert. Das Modell ist in der Lage, visuelle Daten zu verarbeiten und Schlüsse aus den Bildinhalten zu ziehen. Dies geschieht durch:

Bildverarbeitung: ChatGPT analysiert Pixelinformationen, Farben, Formen und andere visuelle Merkmale eines Bildes.

Mustererkennung: Das Modell identifiziert wiederkehrende Muster und Objekte in Bildern, basierend auf seinem Trainingsdatensatz.

Semantische Interpretation: Durch Verknüpfung visueller Elemente mit sprachlichen Beschreibungen kann ChatGPT Kontext verstehen und Inhalte besser interpretieren.

Anwendungen in der Praxis

1. Sicherheit und Überwachung

In der Sicherheitsbranche kann ChatGPT zur Analyse von Überwachungsbildern eingesetzt werden. Das Modell kann verdächtige Aktivitäten erkennen, Objekte identifizieren und Alarme auslösen, wenn ungewöhnliche Situationen auftreten.

2. Medizinische Bildgebung

In der Medizin hilft ChatGPT bei der Analyse von medizinischen Bildern wie Röntgenaufnahmen oder MRT-Scans. Es kann pathologische Merkmale identifizieren, diagnostische Unterstützung bieten und Ärzte bei der Entscheidungsfindung unterstützen.

3. Kunst und Kreativität

Künstler und Designer nutzen ChatGPT zur Inspiration und Verbesserung ihrer Werke. Das Modell kann stilistische Elemente erkennen, Kunstwerke analysieren und Rückmeldungen zur Komposition und Ästhetik geben.

Herausforderungen und Einschränkungen

Trotz der Fortschritte gibt es auch Herausforderungen bei der Bildanalyse mit ChatGPT:

Komplexität der Aufgaben: Für komplexe visuelle Aufgaben, die tieferes Verständnis erfordern, kann das Modell an seine Grenzen stoßen.

Genauigkeit und Verlässlichkeit: Die Genauigkeit der Analyse hängt stark von der Qualität der Trainingsdaten und der Komplexität der Aufgabe ab.

Ethik und Privatsphäre: Die Verwendung von Bildanalysealgorithmen wirft Fragen der Privatsphäre und ethischer Standards auf, die sorgfältig berücksichtigt werden müssen.

Zukunftsausblick

Die Zukunft der Bildanalyse mit ChatGPT verspricht weitere Fortschritte und Anwendungen. Mit kontinuierlicher Weiterentwicklung und Verbesserung der Trainingsdaten wird das Modell in der Lage sein, noch komplexere visuelle Aufgaben zu bewältigen. Dies könnte zu neuen Anwendungen in Bereichen wie autonomes Fahren, Robotik, Bildung und mehr führen. Sie können sich detailliertem Thema anschließen Die Fähigkeiten von ChatGPT Bilder zu analysieren aufdecken

Fazit

Die Fähigkeit von ChatGPT, Bilder zu analysieren und aufzudecken, zeigt das Potenzial dieser Technologie, unsere Interaktion mit visuellen Informationen zu revolutionieren. Von der Sicherheit bis zur Medizin, von der Kunst bis zur Wissenschaft bietet diese Entwicklung zahlreiche Möglichkeiten zur Effizienzsteigerung und Innovation. Es bleibt jedoch wichtig, die Herausforderungen zu adressieren und die Technologie verantwortungsvoll einzusetzen, um ihre Vorteile optimal zu nutzen.

©️ Norbert  Weber Karatelehrer 20240611 Gesamtanalyse und Interpretationder Fotografie (Scabiosa columbaria) BildbeschreibungDas Bild zeigt eine Nahaufnahme einer Blume, vermutlich einer Skabiose, vor einem schwarzen Hintergrund.Die Blütenblätter präsentieren sich in verschiedenen Lila- und Rosa-Tönen, während die Staubblätter und Staubfäden ebenfalls in Rosa und Lila gefärbt sind.Die Blume ist…