Suche
#Maschinelles Lernen

Maschinelles Lernen in der Praxis: Von Computerspielen lernen und Mode

Die wohl bekannteste Anwendung für Maschinelles Lernen sind selbstfahrende Autos. Sie unterscheiden so Hunde von Kindern und Straßenlaternen von Erwachsenen. Forscher haben jetzt herausgefunden, dass sie mit Bildern aus Computerspielen schneller und besser lernen. Machine Learning macht außerdem einen weltweiten Blick auf den Fischfang möglich und dringt in den Modebereich vor.

Bitcoin Flipping: “In Zukunft wird die Blockchain im Bereich Künstliche Intelligenz Anwendung finden”

Im September wurde die Blockchain Alliance for Good (Bisgit.IoV) gegründet. Diese hat es sich zum Ziel gesetzt, die Nutzung der Blockchain-Technologie für “gute” soziale und ökologische Lösungsansätze voranzutreiben. Die Allianz vereint dafür Blockchain-Enthusiasten aus der ganzen Welt und stellt ihnen ein Sprungbrett für “gute” Innovationen zur Verfügung. Wir haben uns mit Barbara Mellish, Präsidentin der Blockchain Alliance for Good, über die Zukunft der Blockchain und die Branchen unterhalten, in denen die Blockchain-Nutzung vielleicht bald aufblühen werden. Außerdem sprachen wir darüber, warum eine Weiterentwicklung der Technologie dringend benötigt wird.

“Python ist heute die populärste Programmiersprache für maschinelles Lernen”

Maschinelles Lernen mag futuristisch klingen, ist es aber gar nicht. Durch Spracherkennungssysteme wie Cortana oder die Suche in E-Commerce-Systemen wissen wir, welche Vorteile und Herausforderungen es in diesem Bereich gibt. In unserer Serie zum Maschinellen Lernen haben wir bereits einige Tools vorgestellt, die das Tor zum Machine Learning öffnen. Nun ist es an der Zeit, die Thematik aus Perspektive eines Software-Entwicklers zu beleuchten: Wir haben uns mit Adam Geitgey über die Grundlagen und die praktische Nutzung von Maschinellem Lernen unterhalten.

Maschinelles Lernen in der Praxis: Von Gurken und Horrorfilmen

Gurken sortieren ist eine ziemlich komplizierte Angelegenheit. Auch vorherzusagen wie gut oder schlecht die diesjährige Maisernte in den USA ausfallen wird, ist eine groß angelegte, aufwändige Aktion. Und die perfekten Szenen für den Filmtrailer zu finden ist keine leichte Aufgabe. Mit Machine Learning wird das alles einfacher.

Baidu stellt Machine Learning Framework PaddlePaddle Open Source

Sie alle haben ein Machine Learning Framework in die Open-Source-Welt entlassen: Microsoft, Google, Facebook, Amazon. Jetzt reiht sich auch das chinesische Suchmaschinen-Unternehmen Baidu in diese Riege ein. Das Framework PaddlePaddle soll sich vor allem dadurch auszeichnen, dass es einfacher zu benutzen ist als die Tools der anderen Techgiganten.

Machine Learning Driven Programming – Revolution in der IT?

Maschinelles Lernen und kein Ende: in immer weiteren Bereichen des IT-Sektors wird versucht, die Potentiale künstlicher Intelligenz (KI) auszunutzen. Der harte Kern des Entwicklerberufs, das Programmieren, wurde dabei bislang nicht angetastet. Durch Machine Learning Driven Programming könnte sich das langsam aber sicher ändern. Auch Google-Personal hat seine Finger im Spiel.

“Wir werden Sprachinteraktion zwischen Mensch und Maschine bald als einen ganz normalen Prozess erleben”

Ein typisches Beispiel für Maschinelles Lernen ist die Spracherkennung. Dienste wie Siri, Google Now, Cortana haben hier in den letzten Jahren enorme Fortschritte erzielt – einen Einblick in die Technik dieser Systeme bietet der JAXenter-Artikel Ein Blick auf das Microsoft Bot Framework. Doch wie weit ist man noch entfernt vom alten Traum, dass Menschen sich reibungslos mit Maschinen unterhalten können? Prof. Dr. Dorothea Kolossa forscht an der Ruhr-Universität Bochum zum Thema Spracherkennung und kognitive Signalverarbeitung. Wir haben sie gefragt, welche Herausforderungen im Bereich der maschinellen Spracherkennung noch zu lösen sind, damit eine „natürliche“ Mensch-Maschine-Kommunikation über die Sprache möglich wird.

Einen eigenen Chatbot bauen

Seit März hat Microsoft ein eigens Bot Framework. Entwicklern soll es damit leicht gemacht werden, eigene Bots zu schreiben – also möglichst intelligente Programme, die in einem Chat Antworten geben und Aktionen durchführen können. Was steckt dahinter? Wo hilft das Framework? Und: Wozu eigentlich?

“Wir sehen Anzeichen dafür, dass Machine-Learning-Systeme eigenen kreativen Output liefern”

Die Künstliche Intelligenz hat einst viel versprochen, aber wenig gehalten. Nun schickt sich die Bewegung unter dem Banner des Machine Learning/Deep Learning mit neuen Ansätzen an, Maschinen zu intelligenten, lernenden Maschinen zu machen. Im Experten-Interview haben wir Bernd Fondermann gefragt, wo die Unterschiede zwischen KI und Deep Learning liegen, welche Rolle TensorFlow im ML-Kontext spielt, und was noch fehlt, um wirklich in neue Bereiche vorzustoßen.