#Maschinelles Lernen

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.

So helfen Robotik und Machine Learning im medizinischen Alltag

Schon länger klagen nicht nur deutsche Krankenhäuser über einen Mangel an Fachpersonal und die daraus entstehende Arbeitsbelastung. Obwohl Technologie den vielbeklagten Ärztemangel nicht beheben wird, können neuste Entwicklungen in Machine Learning, künstlicher Intelligenz und Robotik dazu beitragen, medizinische Abläufe effizienter zu gestalten und das Patientenwohl zu fördern. Nachdem Teil 1 der Artikelserie sich mit künstlicher Intelligenz und Machine Learning auseinandersetzte, beschäftigen wir uns diesmal mit der Robotik im Gesundheitswesen.

Machine Learning Experten-Check: 6 Tipps für den Einstieg in das maschinelle Lernen

Machine Learning ist die neue Formel dafür, was man einmal Künstliche Intelligenz genannt hat. In unserem Themen-Dossier spüren wir dem neuen Trend nach und stellen aktuelle ML-Lösungen vor, darunter die Numenta-Plattform für intelligentes Computing, die Machine Learning Library Spark MLlib, das Natural-Language-Processing-Projekt Cortical.io , das ML-Framework Apache Mahout, das Bilderkennungs-API CognitiveJ und das Data-Mining-System ADAMS. Vorab haben wir die Leiter der Projekte gebeten, uns ihre Faszination für intelligente Maschinen genauer zu erklären und Tipps für den Einstieg in die ML-Welt zu geben.

TensorFlow: Der Weg des maschinellen Lernens

Mit TensorFlow hat Google ein Tool für verteilte Systeme, die Basis der für maschinelles Lernen so wichtigen neuronalen Netze, in die Open-Source-Welt entlassen. Es ist ein weiteres Zeichen, dass maschinelles Lernen den Schritt von den Listen der Technologientrends in die Wirklichkeit macht.

Machine Learning und künstliche Intelligenz in der Medizin

Schon länger klagen nicht nur deutsche Krankenhäuser über einen Mangel an Fachpersonal und die daraus entstehende Arbeitsbelastung. Obwohl Technologie den vielbeklagten Ärztemangel nicht beheben wird, können neuste Entwicklungen in Machine Learning, künstlicher Intelligenz und Robotik dazu beitragen, medizinische Abläufe effizienter zu gestalten und das Patientenwohl zu fördern. In der ersten Hälfte dieses zweiteiligen Artikels widmen wir uns den Einsatzmöglichkeiten von Künstlicher Intelligenz im Gesundheitssektor.

Maschinelles Lernen mit Java: Eine Einführung

Experten für Maschinelles Lernen sind gefragter denn je – spätestens seit Amazons personalisierter Online-Werbung und Spracherkennungsdiensten wie Siri, Google Now oder Cortana. Grund genug, sich das Thema auf JAXenter diese Woche etwas genauer vorzunehmen. Zu Beginn führt Lars Schwabe in das Thema ein: Wie funktioniert Machine Learning eigentlich, welche Frameworks helfen bei der Umsetzung, wohin geht der Trend in Sachen Künstlicher Intelligenz?