lic.rer.publ. Ariane Rüdiger

Bei Projekten rund um Machine Learning (ML) und Künstlicher Intelligenz (KI) stellt sich die Frage, wie viel Unternehmen selbst entwickeln wollen und wo sie externe Hilfe zuziehen. Die Entscheidung darüber ist vielschichtig. Eine strukturierte Herangehensweise kann helfen.

Künstliche Intelligenz (KI) und maschinelles Lernen (ML) scheinen im Kampf gegen Cyberschädlinge noch immer nicht genug zu sein. Der nächste Schritt führt zum sogenannten Deep Learning. Die ersten Unternehmen haben sich bereits auf diesen Weg begeben.

Ethik-Papiere für Künstliche Intelligenz (KI) und maschinelles Lernen (ML) gibt es mittlerweile viele. Doch wie man sie praktisch umsetzen kann, daran hapert es. Und auch dabei, wie man als Konsument erkennt, ob ein Algorithmus bestimmten ethischen Standards genügt. Eine Expertengruppe hat jetzt konkrete Lösungsvorschläge entwickelt.

Daten sind Quellcode! Der Umgang mit ihnen erfordert neue Arten zu denken – und das ist zentral für die Entwicklung von KI-Applikationen. Das ist zumindest die These von Alexander Waldmann, Operative & Technology Director von appliedAI.

Wie soll die Künstliche Intelligenz (KI) der Zukunft gestaltet werden, damit sie dem Menschen dient? Mit dieser Frage beschäftigte sich kürzlich eine Veranstaltung von Microsoft. Das Unternehmen hat sich selbst bereits einige Leitlinien gegeben.

Mit Watson-IoT möchte IBM die Industrie und andere Bereiche umkrempeln. Das Münchner Watson-IoT-Lab zeigt Beispiele dafür, wie das aussehen könnte.

Künstliche Intelligenz (KI) und maschinelles Lernen (ML) scheinen im Kampf gegen Cyberschädlinge noch immer nicht genug zu sein. Der nächste Schritt führt zum sogenannten Deep Learning. Die ersten Unternehmen haben sich bereits auf diesen Weg begeben.

Ethik-Papiere für Künstliche Intelligenz (KI) und maschinelles Lernen (ML) gibt es mittlerweile viele. Doch wie man sie praktisch umsetzen kann, daran hapert es. Und auch dabei, wie man als Konsument erkennt, ob ein Algorithmus bestimmten ethischen Standards genügt. Eine Expertengruppe hat jetzt konkrete Lösungsvorschläge entwickelt.

Daten sind Quellcode! Der Umgang mit ihnen erfordert neue Arten zu denken – und das ist zentral für die Entwicklung von KI-Applikationen. Das ist zumindest die These von Alexander Waldmann, Operative & Technology Director von appliedAI.

Mit Watson-IoT möchte IBM die Industrie und andere Bereiche umkrempeln. Das Münchner Watson-IoT-Lab zeigt Beispiele dafür, wie das aussehen könnte.

Wie soll die Künstliche Intelligenz (KI) der Zukunft gestaltet werden, damit sie dem Menschen dient? Mit dieser Frage beschäftigte sich kürzlich eine Veranstaltung von Microsoft. Das Unternehmen hat sich selbst bereits einige Leitlinien gegeben.