Maschinelles Lernen

Aus Rivalen werden Partner: Amazon, Google, Facebook, IBM und Microsoft gründen Organisation für Künstliche Intelligenz

Amazon, Google, Facebook, IBM und Microsoft haben eine Non-Profit-Organisation gegründet, um das Verständnis für Künstliche Intelligenz zu fördern und Best Practices zu entwickeln. Der etwas umfangreiche Name „Partnership on Artificial Intelligence to Benefit People and Society“ – kurz: Partnership on AI. Ein überraschender Schritt für die in diesem Feld konkurrierenden Unternehmen, der aber Früchte tragen könnte.

DeepBench – Deep Learning Benchmarking Tool von Baidu

Vor allem in der jüngsten Vergangenheit hat Deep Learning in puncto Sprach- und Bilderkennung für einige Meilensteine gesorgt. Beteiligt daran sind nicht nur die gängigen Deep-Learning Frameworks wie TensorFlow oder das kürzlich Open Source veröffentlichte PaddlePaddle, sondern insbesondere auch bestimmte Hardware-Chips. Um deren Performance bei der Nutzung mit unterschiedlicher Deep-Learning-Software zu messen, hat Baidu Inc. nun mit DeepBench ein neues Benchmarking-Tool veröffentlicht.

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.