Autonomes Fahren im Praxistest: ZF Teststrecke im Selbstversuch

Um automatisierte Fahrfunktionen im realen Straßenverkehr zu testen, hat die ZF Friedrichshafen gemeinsam mit dem Institut für Weiterbildung, Wissens- und Technologietransfer (IWT) letzten Herbst eine Testtrecke für autonomes Fahren ausgestattet, auf der Kleinbusse, Autos und Prototypen zu Testzwecken Daten aus gängigen Verkehrssituationen sammeln.Mehr

Der Bias-Effekt im Machine Learning

Künstliche Intelligenz feierte in den letzten Jahren einen Erfolg nach dem anderen: selbstfahrende Autos oder das Entsperren von Smartphones durch Gesichtserkennung waren zum Beispiel noch vor wenigen Jahren nur in Science-Fiction-Filmen denkbar. All diese Erfolge werden durch „Machine Learning“-Methoden ermöglicht. Diese mathematischen Methoden vereinen zwei Kernaspekte:

  1. Selbstverbesserung durch Lernen: Durch tausendfaches, gezieltes Ausprobieren wird nach der besten mathematischen Gleichung zwischen Eingangsdaten und Modellausgabe gesucht. Die gefundene und angepasste Gleichung wird dann als „Modell“ bezeichnet.
  2. Black Box: Während ein Ingenieur häufig mathematische Zusammenhänge auf physikalischen Prinzipien wie zum Beispiel dem Satz der Energieerhaltung aufbaut, haben Machine-Learning-Modelle diesen Anspruch nicht unbedingt. Hier ist häufig nicht genau nachvollziehbar warum ein Modell bestimmte Dinge tut und andere wiederum nicht. Genutzt wird, was funktioniert.

Mehr

Mit Machine Learning das Potenzial aus Daten nutzen

Big Data ist Realität, aber daraus Wissen zu generieren ist nach wie vor eine Herausforderung. Inzwischen ist aber klar: Gewinner des digitalen Wandels wird sein, wer mit Daten Wertschöpfung betreiben kann. Durch den gezielten Einsatz von Machine Learning Verfahren lassen sich aus Daten neue Erkenntnisse gewinnen und Vorhersagen treffen. So können Unternehmen von Marketing über Vertrieb bis zum After Sales ihre Geschäftsprozesse optimieren oder gar völlig neu gestalten.Mehr

Übergreifendes Datenmanagementsystem für mehr Künstliche Intelligenz in Unternehmen

transparent car concept on LED
Die Künstliche Intelligenz (KI) bewegt sich seit Jahrzehnten immer wieder zwischen Hoffnung und großer Enttäuschung. Zwischen gewinnbringender Investition und Verlust. Überholt die Maschine wirklich den Menschen? Sie kann ja nicht einmal verstehen, was wir genau sagen!
Warum kümmern wir uns dennoch um die Fortentwicklung dieser Thematik?Mehr

Google veröffentlicht Machine Learning Engine unter Open-Source-Lizenz

Wie auf http://t3n.de/news/google-machine-learning-654865/ zu lesen ist, hat Google seine Machine-Learning-Engine TensorFlow unter die Open-Source-Lizenz.

Google verwendet TensorFlow für die verbesserung der Spracherkennung in Google-App oder die Suche in Google Photos. Durch das Veröffentlichen soll die Kommunikation zwischen Nutzern verbessert und die Forschungen im Bereich Machine-Learning beschleunigt werden.Mehr

Künstliche Intelligenz für die künstliche Identität

Spätestens seit Second Life ist die Avatarisierung in vollem Gange. Vor allem Kids, aber zunehmend auch die etwas Reiferen unter uns, finden gefallen im kreativen Designen von virtuellen Identitäten in Form von Avataren.

Bei Diensten wie z.B. meez geht es einfach nur darum, einen Körper in vorgegebenem Raster zusammenzuklicken. Das Individuum definiert sich über die manchmal kurios zusammengeklickten Einzelteile. Prinzipiell so, wie man es schon lange von verschiedenen Spielen kennt.

Mehr