Der Blick in die Glaskugel ist immer schwierig, insbesondere in der Tech-Branche. Dennoch gab es im vergangenen Jahr deutliche Entwicklungen, die eine Prognose möglich machen. Wir haben mit fünf Experten der Tech-Branche gesprochen, die uns ihre Trends für das aktuelle Jahr verraten. Wie immer gelten auch diese Zukunftsvorraussagen ohne Gewähr.
Heutzutage implementieren viele Unternehmen bereits künstliche Intelligenz (KI) oder Robotic Process Automation (RPA), um punktuell bestimmte Teile ihres Geschäfts zu automatisieren. Allerdings fehlt häufig eine übergreifende Unternehmensstrategie, um diese Technologien zu verbinden und mit bestehenden Prozessen zu vereinen. Anstatt KI und RPA als Silos innerhalb der IT zu implementieren, sollten Unternehmen End-to-End-Geschäftsprozesse über die gesamte Belegschaft – Menschen, intelligente Systeme und Bots – ganzheitlich orchestrieren.
Gute Vorsätze für das neue Jahr umfassen ja normalerweise mehr Aktivität. Aber warum selbst machen, wenn man KI-Assistenten hat? Was bleibt ist ggf. mehr Zeit für Kreativität und Produktivität! Oder vielleicht mal mit etwas Neuem beschäftigen? Etwa mit Record-Types, die es nun in Java gibt? Wer stattdessen einfach gerne in Erinnerungen schwelgt, der wird in unserem Jahresrückblick fündig. All das und mehr gab es letzte Woche auf JAXenter zu entdecken!
Künstliche Intelligenz (KI) ist allgegenwärtig und beeinflusst die Art zu leben, zu arbeiten und sich zu unterhalten. KI-Assistenten für Verbraucher wie Alexa und Siri haben die Technologie nach Hause gebracht und sie so bekannt gemacht. Doch das Potenzial von KI-Assistenten geht über die Bitte hinaus, ein Lied zu spielen oder den Wetterbericht zu überprüfen – die Einführung der Technologie in die Geschäftswelt bietet neue Möglichkeiten.
Was ist BERT und wie setzt man BERT ein, um ein Produkt mit natürlicher Spracherzeugung zu bauen? Diese Fragen beantwortet Christoph Henkelmann in diesem Talk von der ML Conference.
Die Durchführung von ballistischen Berechnungen, orbitalen Flugmanövern und die Handhabung der Flugkontrolle von autonom landenden Raumfahrzeugen sind Herausforderungen, die uns mitnichten nur im Rahmen von Computerspielen begegnen. Im heutigen Artikel werden wir uns anschauen, wie sich verhältnismäßig einfach aufgebaute neuronale Netzwerke bei der Bewältigung der besagten Probleme schlagen, was in Anbetracht ihres Stellenwerts gleich doppelt interessant sein dürfte.
Machine Learning erfreut sich einer ungebrochenen Beliebtheit. Allerdings wird es dadurch auch zum beliebten Angriffsziel: David Glavas zeigt in diesem Talk von der ML Conference, welche typischen Angriffe auf ML-Systeme durchgeführt werden und wie man sich darauf einstellen kann.
Draußen Nebel, der Geruch von Mandarinen in der Nase und Adventskalender sämtlicher Coleur im Angebot: Hallo und willkommen zurück, Winter! Zum Glück gibt es diese anderen Indikatoren, denn von den Temperaturen her – danke, Klimawandel – merkt man (leider) wenig davon. Bunt, wie die letzten Blätter an den Bäumen ist auch in dieser Woche wieder unsere Themenvielfalt.
Machine Learning zur Absicherung von IT-Systemen: Gegen welche sicherheitskritischen Angriffe kann ML ein wirksames Mittel sein, welche Methoden sind dafür relevant und wie können Firmen sie implementieren? Und welche Rolle spielt Machine Learning im Vergleich zu klassischen Sicherheitsmechanismen? Das alles erfuhren wir im Interview mit Daniel Etzold, IT-Security-Architekt bei der 1&1 Mail & Media Development & Technology GmbH.
Zuerst einmal die gute Nachricht: Machine Learning wird weder Operator noch Entwickler ersetzen, auch nicht bei erfolgreicher Umsetzung einer AIOps-Strategie. Guy Fighel, General Manager of AI und Vice President of Product Engineering bei New Relic, erklärt im JAXenter-Interview, was genau AIOps eigentlich ist und wie Unternehmen und DevOps-Teams von maschinellem Lernen und künstlicher Intelligenz profitieren können. Er gibt zudem Auskunft über die Rolle von Entwicklern in diesem Prozess und beantwortet die Frage nach der Sicherheit bzw. den Risiken.
Die für die Organisation und das Marketing der 1. und 2. Fußball-Bundesliga verantwortliche Deutsche Fußball Liga (DFL) will ihren Zuschauern und Fans neue, innovative Inhalte bieten. Ein Paradebeispiel hierfür ist die ML-basierte Berechnung der Wahrscheinlichkeit eines Torerfolgs mittels xGoals, eines der Bundesliga Match Facts powered by AWS. Nachdem der erste Teil die Grundlagen des Statistikangebots behandelt hat, wird im Folgenden die zugrundeliegende Cloud-Infrastruktur betrachtet.
Im ersten Teil dieser Serie wurde beschrieben, wie Site-Reliability-Ingenieure aus der Analyse von Stör- und Fehlerdaten gezielte Maßnahmen zum Schutze von Infrastrukturen ableiten – und wie anspruchsvoll diese Aufgabe in hochskalierten Systemen sein kann. Automatisierung ist ein wichtiger Faktor, um auch komplexe IT-Umgebungen widerstandsfähig und belastbar zu gestalten. Mit AIOps, dem Einsatz intelligenter Monitoring-Algorithmen, kann die Bereitstellung und der Betrieb von IT-Ressourcen automatisiert überprüft und laufend optimiert werden.
Das kennt jeder Fußballbegeisterte: Ein Spieler schießt „das Traumtor“ und Publikum sowie Kommentatoren diskutieren sofort, wie schwierig es war, den Treffer zu erzielen. Bisher ließ sich diese Frage aufgrund des Gesehenen nur ungefähr beantworten. Dabei berücksichtigten die Betrachter vielleicht noch zu einem gewissen Grad die Zahl der Verteidiger um den Torschützen, die Position des Torhüters oder den Schusswinkel. Mit den Analysen von xGoals (kurz für „Expected Goals“), eines der Bundesliga Match Facts powered by AWS, lässt sich nun der Grund für das Staunen in Zahlen ausdrücken. xGoals zeigt dem Fußballfan exakt, wie hoch die Wahrscheinlichkeit ist, aus einer spezifischen Situation heraus ein Tor zu erzielen – für jede potenzielle Schussposition auf dem Spielfeld.
Für viele Verfahren im Bereich Datenanalyse und Machine Learning werden mehrdimensionale Arrays benötigt. Da oft mit großen Datenmengen gearbeitet wird, ist es, neben anderen Optimierungen, wünschenswert, eine Arrayimplementierung zu verwenden, die auf hohe Performance und geringen Speicherverbrauch optimiert ist. Viele Frameworks setzen deshalb auf ndarrays von NumPy oder eigene Implementierungen, statt die Standard-Listen- oder Arrayimplementierungen von Python zu verwenden.
In diesem Artikel werden wir uns mit den Einsatzmöglichkeiten von diversen neuronalen Netzen im Rahmen des Spieleklassikers Pong auseinandersetzen und verschiedene Methoden evaluieren, mit deren Hilfe wir diese Netzwerke trainieren können. In diesem Zusammenhang richten wir unser Augenmerk einerseits auf die Steuerung der Schläger und andererseits auf die Wahrnehmung von bewegten und ruhenden Objekten innerhalb der Spielewelt.
Künstliche Intelligenzen können bereits viel, emotionale Intelligenz gehört aber zumeist noch nicht zu ihren Fähigkeiten. Das könnte sich ändern. Wie weit die Forschung daran ist, erklärt Srividya Rajamani in diesem Talk von der ML Conference.
Apple hat Siri, Windows hat Cortana, Amazon Alexa und Google den Google Assistant. Sprachassistenten erleichtern unseren Alltag. Sprache als Interface gewinnt immer mehr an der Bedeutung bei der Steuerung von Apps und Online-Services. Allein in Europa liegt der Marktumsatz von Smart Speakern bereits bei 939 Millionen Euro, wie Zahlen von Statista bestätigen. In allen Bereichen unseres alltäglichen Lebens sehen wir, wie uns die digitalen Assistenten Schritt für Schritt bei alltäglichen Situationen unterstützen.
Spieleklassiker erfreuen sich heutzutage einer großen Beliebtheit unter KI-Forschern und Programmierern, da die einfach strukturierten Spielewelten unter anderem ideale Testumgebungen für die Erforschung und Entwicklung von künstlichen neuronalen Netzwerken darstellen. Selbstverständlich werden auch wir uns diesem Trend nicht verschließen. Da wir jedoch die KI-Routinen unserer Spiele nicht von jetzt auf gleich völlig umkrempeln können, werden wir uns in diesem Artikel zunächst einmal mit den grundlegenden Aspekten von einfachen neuronalen Netzen beschäftigen.
Spieleklassiker erfreuen sich heutzutage einer großen Beliebtheit unter KI-Forschern und Programmierern, da die einfach strukturierten Spielewelten unter anderem ideale Testumgebungen für die Erforschung und Entwicklung von künstlichen neuronalen Netzwerken darstellen. Selbstverständlich werden auch wir uns diesem Trend nicht verschließen. Da wir jedoch die KI-Routinen unserer Spiele nicht von jetzt auf gleich völlig umkrempeln können, werden wir uns in diesem Artikel zunächst einmal mit den grundlegenden Aspekten von einfachen neuronalen Netzen beschäftigen.
Mit dem Maixduino steht eine kostengünstige Platine zur Verfügung, die bei der Mobilisierung von Algorithmen der künstlichen Intelligenz hilft. Dieser Artikel zeigt die Möglichkeiten zur Programmierung des Einplatinencomputers auf.
Women in Tech: "Du selbst bist die beste Autorin deiner Karriere"
Women in Tech: "Experimentieren, liefern, Retrospektive betreiben und weiterlernen!"
EnterpriseTales: Record-Type - Value Objects werden endlich Java-native
Women in Tech: "Zögert nicht und nehmt kein Blatt vor den Mund."
Web Components API: Mach’s dir nicht so schwer!
