SHE-Blogpicks

Wann und wie rechnet sich KI?

Posted by in Allgemein

Diese Seite teilen:

Welchen ökonomischen Wert liefert Künstliche Intelligenz (Symbolbild)? Das McKinsey Global Institute hat mehr als 400 KI-Projekte untersucht, um diese Frage zu beantworten. Laut Jessica Davis von der Information Week liegt das anfänglich größte KI-Potential nicht in brandneuen Anwendungen, etwa Bots, die aktiv potentielle Kunden anrufen, um ihnen etwas zu verkaufen. Unter dem Strich zahle sich viel eher eine Steigerung der Performance von Anwendungen aus, die bereits vorher mit analytischen Verfahren untersucht wurden: den Business-Kernprozessen. Im Bereich Sales und Marketing beispielsweise, so Michael Chui, einer der Autoren des Reports, lasse sich das so zusammenfassen, dass genauere Voraussagen, was Kunden wollen, und fundiertere Produktempfehlungen zu höheren Verkäufen führten.

0

KI, die erklärt, was sie tut

Posted by in Allgemein

Diese Seite teilen:

Künstliche Intelligenzen, speziell selbstlernende neuronale Netze, machen vielen Menschen Angst. Der Grund: Sie können in fortgeschrittenen Entwicklungsstadien Entscheidungen unter derart komplexen Annahmen treffen, dass sie für Menschen nicht mehr verständlich sind. Man weiß also nicht, warum sie etwas so entscheiden, wie sie es entscheiden. Eine höhere Akzeptanz und damit Nutzbarkeit von KI-Systemen, schreibt der Economist, ließe sich erreichen, wenn jene ihre Aktionen erklären könnten. Zu den ersten Forschungsaktivitäten in diese Richtung gehört laut Economist das Projekt „Explainable AI“ (XAI) der Defence Advanced Research Projects Agency (DARPA); Bild: Logo.

0

Autonome Drohnen im Verkehr

Posted by in Allgemein

Diese Seite teilen:

Autonom fliegende Drohnen (Bild: Superbass), die zu professionellen Zwecken eingesetzt werden, navigieren normalerweise mit GPS. In engen Straßenschluchten würde das jedoch nicht sicher funktionier. Außerdem kann GPS-Navigation im Tiefflug keine Kollisionen mit anderen Verkehrsteilnehmern oder sonstigen Hindernissen verhindern. Wie Eurekalert! berichtet, ist an der Universität Zürich nun ein Algorithmus entwickelt worden, der Drohnen sicher durch Straßenverkehr steuern kann und dazu nur das Bild einer Kamera statt Sensoren benötigt. Vorgeführt wird das anhand eines Videos. Der selbstlernende Algorithmus “Dronet” basiere auf dem Bewegungsverhalten von Autos und Fahrrädern, erläutert Professor Davide Scaramuzza, Leiter der Robotics and Perception Group an den Instituten für Informatik und Neuroinformatik der Uni Zürich. Einsatzgebiete sehen die Forscher etwa in Überwachungsfunktionen und bei der Paketauslieferung.

0

SEI-Software erkennt Angst und Stress

Posted by in Allgemein

Diese Seite teilen:

Grinsen, Lachen, Stirnrunzeln: Deutliche Gesichtsregungen („Macro Expressions“) sind mit maschinellem Lernen relativ klar erkennbar – anders als „Micro Expressions“: mimische Regungen, die nur Bruchteile von Sekunden lang über ein Gesicht huschen, kaum zu kontrollieren sind und gerade deshalb viel über die Gemütsverfassung von Menschen aussagen können. Das Emerging Technology Center am Software Engineering Institute der Carnegie Mellon University arbeitet seit einiger Zeit am Prototypen eines Softwarewerkzeugs, das Micro Expressions nahezu in Echtzeit wahrnehmen und ihre Bedeutungen erkennen soll, schreibt Satya Venneti im Blog des Instituts. Die Forschungsarbeit in Kooperation mit dem US-Verteidigungsministerium zielt der Forscherin zufolge unter anderem darauf ab, an Sicherheitskontrollstellen durch Analyse von Gesichtern auf Überwachungskamera-Bildern negative Emotionen wie Angst oder Stress und dadurch riskante Situationen zu erkennen.

0

Was ist eigentlich Machine Learning?

Posted by in Allgemein

Diese Seite teilen:

Wie die Überschrift lautet der Titel einer Artikelserie, deren zweiter Teil kürzlich im Data Science Blog erschienen ist. Autor Benjamin Aunkofer (Bild), Chief Data Scientist bei Datanomiq, befasst sich darin mit dem Unterschied zwischen Klassifikation und Regression – freilich auf einem Niveau, das ein gewisses mathematisches Verständnis voraussetzt. Beide Verfahren bilden Grundlagen für Voraussagen von Ereignissen (Predictive Analytics), zum Beispiel der Hitzeentwicklung einer Maschine unter Last. Im ersten Teil der Serie ging es um überwachtes vs. nicht überwachtes Lernen. Teil 3 wird parametrische und nicht-parametrisches Lernen gegeneinander abwägen und die abschließende Folge soll Online- vs. Offline-Lernen erörtern.

0