Definition

Was ist Pyro?

| Autor / Redakteur: Stefan Luber / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Pyro ist eine probabilistische Programmiersprache, die ursprünglich von Uber entwickelt wurde. Sie ist frei verfügbar, in Python geschrieben und mittlerweile ein Inkubationsprojekt der Linux Foundation Deep Learning. Mithilfe von Pyro lassen sich berechenbare Wahrscheinlichkeitsverteilungen mit Deep Learning abbilden.

Bei Pyro handelt es sich um eine Sprache für die sogenannte probabilistische Programmierung. Die Abkürzung für probabilistische Programmiersprachen lautet PPL. Ursprünglich wurde Pyro von Uber entwickelt. Mittlerweile ist sie mit Open-Source-Lizenz frei verfügbar und wird von der Linux Foundation Deep Learning (LF DL) als Inkubationsprojekt weiterentwickelt. Pyro ist in Python geschrieben und basiert auf der freien Bibliothek für maschinelles Lernen PyTorch.

Ziel der probabilistischen Programmiersprache ist es, berechenbare Wahrscheinlichkeitsverteilungen innerhalb des Deep Learnings abzubilden. Hierfür verbindet Pyro das moderne Deep Learning mit der Bayesschen Modellierung, eine besondere Form der Wahrscheinlichkeitsberechnung. Besondere Merkmale von Pyro sind die gute Skalierbarkeit und hohe Flexibilität. Die Programmiersprache kann auch mit großen Datenmengen umgehen. Verfügbar ist sie über GitHub. Sie hat aktuell (Stand 2019) noch Beta-Status. Neben Uber zählen namhafte Forschungseinrichtungen und große Unternehmen wie IBM oder Siemens zu den Anwendern der PPL.

Die Designprinzipien von Pyro

Ziel von Pyro ist es, Wahrscheinlichkeiten und Überzeugungen in Vorhersagen und Entscheidungen von KI-Systemen zu integrieren. Die KI-Systeme bekommen dadurch ein gewisses Verständnis dafür, wann Vorhersagen oder Entscheidungen angezweifelt werden können. Hierfür versucht Pyro unter Nutzung der quelloffenen Deep-Learning-Bibliothek PyTorch Deep Learning und die sogenannte Bayessche Modellierung zu verbinden. In der Entwicklung der Programmiersprache wurden vier grundlegende Designprinzipien verfolgt.

  • Pyro soll allgemeingültig einsetzbar sein und jede berechenbare Wahrscheinlichkeitsverteilung abbilden können
  • Pyro soll gut skalierbar sein und große Datenmengen mit geringem Overhead effizient verarbeiten
  • Pyro soll aus einem kleinen, minimalistischen Core mächtiger Abstraktionsfunktionen bestehen
  • Pyro soll flexibel sowohl automatisiert als auch überwacht und kontrolliert einsetzbar sein

Pyro und die Linux Foundation

Pyro wurde als offizielles Inkubationsprojekt von der Linux Foundation Deep Learning (LF DL) aufgenommen. Durch die Bereitstellung finanzieller Mittel und die Unterstützung in den Bereichen Forschung und Infrastruktur fördert die LF DL das Projekt. Erklärtes Ziel der LF DL ist es, Open-Source-Projekte im Umfeld des Maschinellen Lernens (ML) und der Künstlichen Intelligenz (KI) voranzutreiben. Neben Pyro sind unter anderem Elastic Deep Learning und Angel ML Inkubationsprojekte der Linux Foundation Deep Learning.

Grundsätzliches zur probabilistischen Programmierung

Die probabilistische Programmierung ermöglicht es, Wahrscheinlichkeitsmodelle und -berechnungen in Programmen abzubilden. Die Programmierung verwendet die hierfür notwendigen Algorithmen, um die Probleme der Wahrscheinlichkeitsverteilung in probabilistische Modelle zu übertragen. Diese Modelle werden von den probabilistischen Programmen analysiert und die Ergebnisse in die jeweiligen Problemstellungen integriert. Ziel der probabilistischen Modelle ist es, Anwendern ohne spezielles Know-how im Bereich der Wahrscheinlichkeitsverteilung Analysen zu ermöglichen. Probabilistische Programme arbeiten mit probabilistischen Operatoren und zufällig nach einer bestimmten Wahrscheinlichkeitsverteilung ausgewählten Werten. Im Gegensatz zu „normalen“ Programmen bilden keine konkreten Eingabewerte, sondern zufällig gewählte Werte die Grundlage des Programmablaufs. Inferenzalgorithmen führen die Berechnungen durch.

Der Bayessche Wahrscheinlichkeitsbegriff und Bayessche Statistik

Der Bayessche Wahrscheinlichkeitsbegriff ist nach dem englischen Mathematiker Thomas Bayes benannt. Das Besondere an diesem Wahrscheinlichkeitsbegriff ist, dass Wahrscheinlichkeiten als ein bestimmter Grad einer persönlichen Überzeugung und nicht nach relativen Häufigkeiten interpretiert werden. Aus dem Bayessche Wahrscheinlichkeitsbegriff leiten sich die Bayessche Statistik, Bayessche Modellierung und Bayessche Inferenz ab. Die Ergebnisse Bayesscher und klassischer Statistiken können sich unterscheiden. Im Gegensatz zur klassischen Statistik benötigt die Bayessche Statistik keine riesige auf wiederholbaren Zufallsexperimenten basierende Datenbasis. Allerdings ist die Berechnung aufwendiger und benötigt die Rechenleistung moderner Computer.

Pyro und Uber

Pyro wurde ursprünglich von Uber entwickelt. Uber bietet weltweit Online-Vermittlungsservices zur Personenbeförderung an. In diesem Bereich sind Verfahren für verlässliche Vorhersagen und ein optimiertes Zusammenspiel zwischen Fahrern und zu befördernden Personen notwendig. Es müssen beispielsweise die passenden Kombinationen zwischen Fahrern und Fahrgästen oder optimale Verbindungen gefunden werden. Um diese Herausforderungen zu meistern, setzt Uber Verfahren und Programme der Künstlichen Intelligenz ein. Pyro soll als probabilistische Programmiersprache den Faktor der menschlich basierten Unsicherheit als Wahrscheinlichkeitsverteilung in diese Verfahren integrieren. Auf Basis dieser Verfahren getroffene Entscheidungen haben zwar eine gewisse Unsicherheit, benötigen aber eine weitaus kleinere Datenbasis. Die Uber AI Labs haben die probabilistische Programmiersprache Pyro entworfen, um sie zum einen für eigene Anwendungen zu verwenden und zum anderen die Technik generell voranzutreiben, indem sie anderen Anwendern verfügbar gemacht wird.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

Interaktive Grafiken für die Industrie 4.0

Große Datenmengen aus der Produktion visualisieren

Interaktive Grafiken für die Industrie 4.0

Laut dem Analystenhaus Gartner werden 2020 bereits 25 Milliarden physische Objekte im Internet miteinander verbunden sein. Damit werden präzise Datenanalysen möglich, vor allem in der Fertigungsindustrie. Hier helfen die Daten von Sensoren und Maschinen, gefährliche Situationen oder Qualitätsmängel zu vermeiden und Risiken im Betriebsablauf zu minimieren. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 46015113 / Definitionen)