Die Fusion aus Atomkernen könnte eine der Lösungen zukünftiger Energieprobleme werden und stellt möglicherweise einen wichtigen Fortschritt in der technologischen Entwicklung der Menschheit dar. Noch sind die Fusionreaktionen schwer zu kontrollieren, potentiell beschädigen sie die sogenannten Tokamaks, die Fusionsreaktoren, die Energie mittels Magnetfeldern aus Plasma gewinnen. Jederzeit können Störungen der Reaktionen geschehen, die den Ablauf der Fusion unterbrechen. Künstliche Intelligenz kann dabei helfen, diese Störungen vorherzusehen und richtig auf sie zu reagieren, so dass die Schäden sich gering halten und der Ablauf so flüssig wie möglich vonstatten geht. Wissenschaftler sind dabei, solche Computerprogramme zu entwickeln, die es ihnen ermöglichen, Vorhersagen über das Verhalten des Plasmas zu tätigen.

Wissenschaftler der Princeton University und des Princeton Plasma Physics Laboratory des U. S. Department of Energy führen erste Versuche mit der künstlichen Intelligenz durch, um die Fähigkeit zur Vorhersage durch die Software zu testen. Die Gruppe wird angeführt von William Tang, einem namhaften Physiker und Professor an der Princeton University. Er und sein Team entwickeln den Code für ITER, dem „International Thermonuclear Experimental Reactor“ in Frankreich. Ihr Ziel ist es, die Einsetzbarkeit von künstlicher Intelligenz in diesem Bereich der Wissenschaft zu demonstrieren. Die Software nennt sich „Fusion Recurrent Neural Network“, kurz FRNN, und setzt eine Form des Deep Learnings ein. Hierbei handelt es sich um eine verbesserte Variante des Machine Learnings, die wesentlich mehr Daten verarbeiten kann. FRNN ist besonders gut darin, sequentielle Daten auszuwerten, die über weitreichende Muster verfügen. Bei dem Team handelt es sich um das erste, das ein Programm mit Deep Learning einsetzt, um die komplexen Vorgänge bei den Fusionreaktionen vorherzusagen.

Mit dieser Herangehensweise konnte das Team akkuratere Vorhersagen tätigen als zuvor. Bisher haben sich die Experten am Joint European Torus in Großbritannien versucht, dem größten Tokamak im Betrieb. Bald soll es sich ITER stellen. Für ITER soll die Entwicklung der künstlichen Intelligenz des Fusion Recurrent Neural Network so weit entwickelt sein, dass sie bis zu 95% korrekte Vorhersagen treffen kann, wenn sich Störfälle einstellen. Gleichzeitig soll das Programm weniger als 3% falsche Alarme geben. Das Deep Learning Programm wird über GPUs betrieben, „Graphic Processing Units“, im Gegensatz zu leistungsschwächeren CPUs. Diese ermöglichen es, tausende Programme gleichzeitig laufen zu lassen. Eine fordernde Arbeit für die Hardware, die auf verschiedene GPUs verteilt werden muss. Dafür wird der zurzeit schnellste Supercomputer der Vereinigten Staaten benutzt, in der Oak Ridge Leadership Computing Facility.

Ursprünglich wurden die ersten Versuche auf den Rechnern der Princeton University durchgeführt, wo sich zeigte, dass die künstliche Intelligenz des FRNN durchaus in der Lage ist, die riesigen Datenmengen zu verarbeiten und hilfreiche Vorhersagen zu treffen. Damit leistet die künstliche Intelligenz der Wissenschaft einen wertvollen Dienst, indem es das Verhalten des Plasmas haargenau vorhersagen kann. FRNN soll bald bei Tokamaks überall auf der Welt eingesetzt werden und einen wichtigen Beitrag beim Fortschritt der Menschheit leisten.

Maschinelles Lernen stößt in immer neue Dimensionen vor. Inzwischen kann die Künstliche Intelligenz etwas, das bislang dem Menschen vorbehalten schien: Sie versteht Emotionen. Das kommt bei verschiedenen Maschinen zum Einsatz.

Künstliche Intelligenz: Vorbild menschliches Gehirn

Die moderne KI und maschinelles Lernen über neuronale Netze haben ein natürliches Vorbild: unser menschliches Gehirn. Dieses ist für die Lösung all unserer bekannten Probleme das effektivste Werkzeug. Ein wichtiger Aspekt unserer Intelligenz fehlte jedoch in den bisherigen KI-Programmen. Es handelt sich um Empathie und emotionale Intelligenz. Mit diesen Fähigkeiten können Menschen Gefühle erfassen und ebenso intuitiv Entscheidungen “aus dem Bauch” treffen. Bislang sind intelligente Softwareprogramme zwar durchaus imstande, Sprache zu verstehen, darauf zu antworten und auch nach einer bestimmten Datenvorlage selbstständig zu handeln, also im landläufigen Sinne intelligent zu agieren. Doch sie fühlen sich in niemanden ein. Jetzt sind die Entwickler der Integration von Emotionen in die Maschinenintelligenz einen Schritt näher gekommen. Ingenieure haben eine Methode entwickelt, die es dem Computer ermöglicht, menschliche Gefühle anhand physiologischer Reaktionen und Gesichtszüge zu erkennen. Die Pioniere der KI-Programme - Google, Microsoft und andere Giganten - sind sehr daran interessiert. Sie möchten diesen KI-Aspekt in ihre bestehenden Lösungen integrieren oder eine computergestützte Stimmungsanalyse erstellen, die Maschinen dabei hilft, menschliche Gefühle richtig zu interpretieren und entsprechend zu handeln. Das können Maschinen aller Art sein, selbst Baumaschinen.

Wie funktioniert maschinelles Lernen von Emotionen?

Daten, die einer Maschine den emotionalen Zustand eines Menschen mitteilen, sendet dieser auf vielfältige Weise aus. Dazu gehören:

• Stimmklang
• Sprechmuster
• Verwendung bestimmter Ausdrücke und Floskeln
• Mimik
• physiologische Signale wie Puls, Herzfrequenz und Körpertemperatur
• Gesten
• Körpersprache

Die Physiologie kann nicht jede Maschine erfassen, weil hierfür bestimmte Sensoren nötig sind. Doch alle anderen Signale sind audiovisuell erkennbar. Vor allem die Sprache und die Mimik enthalten diverse nonverbale Signale, die sehr aussagekräftig sind. So zeigen Forschungsergebnisse, dass bei einer Konversation 55 % der Botschaften im Lächeln, in der Mimik und in Körpersignalen wie einem Schulterzucken verborgen sind, 38 % im Tonfall und nur 7 % in der tatsächlichen Sinngebung der Worte. Die bisherigen Softwarelösungen für die Sprachanalyse vernachlässigen also den größten Teil der Botschaft, sie identifizieren nur das Wort selbst. So erkennt aktuell ein Smartphone mit Spracherkennung noch nicht einen Satz mit Ausrufe- oder Fragezeichen. Doch die Firmen, die künstliche Intelligenz einsetzen, lernen schnell dazu. Diese Unternehmen wollen die emotionale Wirkung von Werbespots bewerten. Eine solche Situation kann möglich sein, indem man die Kamera auf einem Laptop einschaltet, während man sich ein Werbevideo ansieht. Bis zum Computer, der sich wirklich mit uns "einfühlt", sollte nicht viel mehr Forschungszeit vergehen. Experten weisen bereits darauf hin, dass es dann zu einer ethischen Diskussion kommen könnte: Hat der Computer Gefühle, hat er Rechte?

Visionäre im Bereich Künstlicher Intelligenz waren nie um kühne Prognosen verlegen. Schon in den Fünfzigerjahren begleitete die Forschung eine Reihe von zum Teil utopischen Vorhersagen hinsichtlich zukünftiger Entwicklungen und ihrer Auswirkungen auf die Gesellschaft. So naiv derartige Prognosen und Wunschvorstellungen im Rückblick wirken mögen – kurzfristige Trends bei der Entwicklung intelligenter Systeme gleich welcher Art lassen sich durchaus erkennen und sinnvoll nutzen. 2018 wird die Entwicklung der Artificial Intelligence Fahrt aufnehmen wie nie zuvor. Hier sind sieben Trends, die Sie kennen sollten, wenn Sie 2018 beim Thema KI mitreden wollen.

Vom Hype zur Realität

Nachdem sich viele Versprechungen früher KI-Forschung nicht einmal ansatzweise erfüllt hatten, wurde es in den Neunzigerjahren ruhiger um das Thema Künstliche Intelligenz. Aber mit der Jahrtausendwende feierte die KI ein Comeback, das sich in den Folgejahren zum einem Hype entwickelte, der sogar den naiven Optimismus der Frühzeit in den Schatten stellen sollte. Seit einigen Jahren ist der Punkt abzusehen, an dem aus der lange vor allem theoretisch geführten Debatte über Möglich- und Machbarkeiten endlich praktische Umsetzungen entstehen, die für sich selbst bestehen können. Eher philosophische Themen wie die Frage nach der prinzipiellen Möglichkeit starker und allgemeiner KI werden zunehmend durch die Macht des Faktischen verdrängt. Auch alte Ängste vor der Übermacht zukünftiger intelligenter Maschinen verblassen zunehmend neben dem Nutzwert der heute schon absehbaren Technologien. Für 2018 sehen wir voraus, dass sich der Schwerpunkt des Feldes Künstlicher Intelligenz noch deutlich stärker in die Praxis verlagert. Grundsätzliche Fragen treten immer mehr in den Hintergrund, die konkreten Anwendungen der verschiedenen Technologien erobern den Alltag und werden von Unternehmen und Endbenutzern als selbstverständlich akzeptiert.

Private Unternehmen geben den Ton an

Auch wenn grundsätzliche Erwägungen zur maschinellen Intelligenz etwas an Gewicht verloren haben – die Forschung in allen Teilbereichen der Artificial Intelligence läuft weiter auf Hochtouren. Hierbei liegt auch 2018 der Akzent auf zwei Trends: Neben der bereits erwähnten stärkeren Betonung praktischer Aspekte und der Realisierung echter intelligenter Systeme in der Praxis ist hier vor allem die Verlagerung der Spitzenforschung vom Universitäten Sektor hin zu einer Reihe von Global Playern in der Informationstechnologie zu beobachten. Tatsächlich wird neben der Anwendung von KI-Technologien in Endgeräten die Bereitschaft von Unternehmen immer stärker sichtbar, radikalere Konzepte zu erkunden und nur gegebenenfalls für den Produktsektor nutzbar zu machen. Immer mehr Unternehmen bilden zu diesem Zweck Arbeitsgruppen und Tochterunternehmen nach dem Skunk works-Prinzip: Forschungsetats, von denen universitäre Fachbereiche nur träumen können, werden in bisweilen auch utopische Projekte investiert, deren wirtschaftlicher Gegenwert bestenfalls unsicher ist. Das bekannteste Beispiel ist wohl Googles Forschungsunternehmen X.

Popularisierung und Demokratisierung

Jahrzehntelang galten KI-Konzepte in Programmierer kreisen als esoterisch, als Deep Magic. Dass Künstliche Intelligenz in der Anwendungsentwicklung zunehmend auch für Nicht-Fachleute verfüg- und nutzbar gemacht wird, ist eine weitere Entwicklung, die wir für das Jahr 2018 vorhersehen. Ob in Form von Programmbibliotheken und APIs oder als Baukasten-Elemente in Entwicklungsumgebungen für Laien: Künstliche Intelligenz wird einem weiteren Personenkreis für den modularen Einsatz in Systemen aller Art verfügbar sein. Gerade in Bereichen wie Data Mining und Mustererkennung wird es durch den immer stärker spürbaren Fachkräftemangel notwendig werden, auch solches Personal an die Möglichkeiten von KI heranzuführen, das von Haus aus nicht die bislang nötigen Kenntnisse mitbringt. In der Folge wird Artificial Intelligence auch für Anwender immer selbstverständlicher als frei verfügbares Gestaltungselement in Erscheinung treten: zum Beispiel bei Assistenten im Netz, auf Mobilgeräten oder in Sozialen Netzwerken.

Intelligente Helfer: virtuelle Assistenten

Sie begleiten die meisten von uns schon seit Jahren: virtuelle Assistenten, die auf Mobilgeräten oder im Bereich Heimautomation auf unsere Befehle reagieren und auf Wunsch das Web durchsuchen, die Musiklautstärke regeln oder unsere Einkaufslisten an Händler weiterleiten. Obwohl bereits jetzt ein alltägliches Beispiel für KI, wird dies ein weiterer Trend für 2018: Virtuelle Assistenten werden flexibler und intelligenter. Und sie werden sich weiter verbreiten, ob als Informationsquelle für Kunden oder als kluger Begleiter im Alltag. Die bereits erfolgreichen Systeme dieser Sparte wie Amazons Alexa oder Google Home haben hier bereits Maßstäbe gesetzt und werden den Weg für neue Entwicklungen und Verbesserungen ebnen.

Personalisierung von Information und Marketing

Wer regelmäßig im Internet unterwegs ist, kennt den Effekt: Werbung und andere Produkthinweise werden früheren Suchen nach Stichworten oder Besuchen auf Webseiten angepasst. KI wird, basierend auf den jüngsten Entwicklungen in den Bereichen maschinelles Lernen und Mustererkennung, auch hier neue Möglichkeiten eröffnen. Intelligente Agenten und Assistenten werden nicht nur Werbung und Nachrichtenergebnisse aussuchen, sondern auch die gesamte Nutzererfahrung auf die Bedürfnisse des Anwenders anpassen können. 2018 wird das Jahr, in dem Marketing und Informationsmanagement intelligent werden mit für den Benutzer spürbaren Auswirkungen hinsichtlich der Möglichkeiten bei Personalisierung und Wählbarkeit der Services. Gleichzeitig wird sich KI aus Sicht des Endbenutzers auch in zunehmendem Maße unisichtbar machen: Das Resultat zählt, nicht die Technik dahinter. Ein weiterer spannender Aspekt wird das Zusammentreffen der neuen technischen Möglichkeiten mit den ebenfalls noch jungen gesetzlichen und politischen Rahmenbedingungen zum Datenschutz und zum Schutz der Privatsphäre, vor allem in der Europäischen Union.

Die reale Welt

Nicht nur in virtuellen Umgebungen wird KI 2018 Einzug halten, sondern auch in der physischen Wirklichkeit. Schon lange gilt Robotik als eine Schlüsseldisziplin im Bereich; die dahinterstehende Überlegung ist die, dass echte Intelligenz nur in direkter Auseinandersetzung mit der physischen Welt entstehen kann. Wie dem auch sei, 2018 wird das Jahr, in dem Artificial Intelligence auch zur Schlüsseltechnologie in der realen Welt wird. Besonders medienwirksam ist in diesem Bereich das Bemühen, Autos das autonome Fahren beizubringen, und wir werden im neuen Jahr gewaltige Fortschritte auf diesem Feld sehen. Aber auch die Medizintechnik wird intelligenter werden: KI-Systeme nutzen hochentwickelte Verfahren zur Muster- und Bilderkennung, um Daten aus Quellen wie MRT, PET, CT oder Röntgen zu interpretieren und damit die Diagnostik von schwerwiegenden Krankheiten zu erleichtern. Ganz allgemein werden Maschinen intelligenter: Ganze Supply-Chains und Produktionskreisläufe werden über das Internet of Things zu selbstständig entscheidenden und agierenden Systemen, die Ressourcen effizienter nutzen und mit weniger Aufwand an Energie, Rohstoffen und Zeit mehr produzieren.

KI als Investitionsschwerpunkt

Die derzeitige und zukünftige Rolle der KI führt natürlich zu stark erhöhten Investitionen bei der Erforschung und Implementierung der damit entstehenden Technologien. Nicht nur werden 2018 Unternehmen ihre Ausgaben in diesem Bereich erhöhen, auch auf dem Feld der Personalsuche hat der Krieg um die besten Köpfe längst begonnen. KI wird zum Schwerpunkt wirtschaftlichen Investments wie auch der Personalentwicklung. Auf absehbare Zeit wird das Thema in der Wirtschaft vom Personalmangel ebenso begleitet werden wie vom Innovationspotential. Ob diese Problematik den Fortgang der Entwicklung nachhaltig hemmen wird bleibt abzuwarten. Es liegt an der Gesellschaft als ganzer, sich schon jetzt darum zu kümmern, die vorhandenen Lücken zu schließen und zukünftigen Defiziten vorzubeugen. So wird 2018 – nicht nur im Bereich KI – hoffentlich ein gutes Jahr.

NASA entdeckt Sonnensystem mithilfe Künstlicher Intelligenz von Google

Künstliche Intelligenz von Google hat der NASA geholfen, acht Planeten in einem fernen Sonnensystem zu entdecken. Dieses System ähnelt sehr dem unseren - es könnte dort Leben existieren.

Leben auf einem Kepler 90 Planeten?

Kepler 90 heißt der entdeckte Stern, acht Exoplaneten umkreisen ihn. Das sind Himmelskörper außerhalb unseres Sonnensystems, die um einen fernen Stern kreisen und ähnlich wie die Erde, die Venus, der Mars, der Merkur, der Jupiter und so fort beschaffen sind. Es ist das erste Sonnensystem mit einer so großen Planetenfamilie, das Astronomen je entdeckt haben. Den achten dieser Exoplaneten identifizierte ein neuronales Netzwerk, dessen künstliche Intelligenz - ein Produkt von Google - der NASA bei der Entdeckung half. Dieses Netzwerk durchforstete unermüdlich die Daten, die das Kepler-Weltraumteleskop in großer Menge gesammelt hatte. Es ist nicht ausgeschlossen, dass unter dem Stern Kepler 90 Leben existiert. Die ferne Sonne - immerhin 2.500 Lichtjahre entfernt - ist bislang die einzige uns bekannte, die so viele Himmelskörper wie unsere heimische Sonne um sich versammelt. Die Entdeckung darf also als ungemein spektakulär gelten, anfangs hielten die NASA-Wissenschaftler sie sogar geheim. Spektakulär ist auch der Einsatz der Künstlichen Intelligenz, mit welcher der Fund überhaupt gelang. Die Software trainierte mit Planetensignalen und lernte dabei selbstständig, welche Symptome auf einen Exoplaneten verweisen könnten. Zu sehen sind diese Himmelskörper von der Erde aus nicht, auch nicht mit dem stärksten Teleskop. Vielmehr werden minimale Abdunkelungen von Sternen ausgewertet. Diese können nur durch ihre Trabanten in einer gewissen Größenordnung und mit einer bestimmten Umlaufbahn erzeugt werden. Es muss sich mithin um Exoplaneten, nicht um Kometen oder Asteroiden handeln.

Künstliche Intelligenz: Wie funktionierte sie für astronomische Zwecke?

Die Kepler-Datensätze analysieren üblicherweise Experten in mühevoller Kleinarbeit. Sie entwickeln im Laufe der Zeit handfeste Verweise auf Helligkeitsschwankungen eines Sterns, die auf einen Planetentransit hindeuten. Aus diesen Eckdaten werden dann automatisierte Tests entwickelt, doch auch diese würden für den umfassenden Datenabgleich noch viele Jahrzehnte benötigen, um einen Exoplaneten nachzuweisen. Die geringen Helligkeitsschwankungen können nämlich viele verschiedene Gründe haben. Daher werden kleinere und auch von ihrem Stern relativ weit entfernte Planeten nur sehr schwer entdeckt. Das neuronale Netzwerk hingegen, das Google der NASA zur Verfügung stellte, erhielt als Input 15.000 Planetensignale, die einst Astronomen bestätigt hatten. Anhand dieser Planetensignale trainierte nun die Künstliche Intelligenz, wie ein Signal beschaffen sein muss, um einen wirklichen Exoplaneten anzuzeigen. Das funktioniert sogar mit extrem schwachen Signalen. Die erreichte Genauigkeit des neuronalen Netzwerks liegt inzwischen bei 96 %, das gilt unter Forschern als sensationell.

Die exakte KI-Methode, die bei der Entdeckung des achten Kepler-Planeten namens Kepler 90i angewendet wurde, heißt Deep Learning. Hierbei optimiert ein neuronales Netz über seine hidden layers (Zwischenlagen) permanent seine innere Struktur und kann dadurch seine Lernalgorithmen erweitern und verbessern. Es entsteht ein stabiler Lernerfolg, der für die Auswertung riesiger Datenmengen auch nötig ist. Die NASA-Wissenschaftler können daher Kepler 90i als Merkur-ähnlichen Himmelskörper mit rund 420 °C Oberflächentemperatur und einer Größe von etwa 130 % der Erdgröße beschreiben, der seinen Stern in 14,4 Tagen einmal umkreist - also ein sehr kurzes Jahr hat. Doch mit Deep Learning konnten auch schon der Erde noch ähnlichere Exoplaneten entdeckt werden. Möglicherweise rückt damit der Beweis für außerirdisches Leben in greifbare Nähe.

CIO Applications, das IT-Magazin für Unternehmen, hat aiso-lab als einen der besten AI Solution Providers in Europa für 2017 ausgezeichnet.

Wir freuen uns über diese Anerkennung, die zugleich Ansporn für die zukünftige Entwicklung ist.

Lesen Sie den ganzen Artikel hier

Künstliche Intelligenz ist nicht nur etwas für milliardenschwere Großkonzerne. Selbst kleine und mittelständische Unternehmen beginnen, sich die Unterstützungsleistungen der KI zunutze zu machen. Intelligente Software lässt sich immer mehr in die Arbeitsvorgänge selbst kleiner Betriebe integrieren und deren Effizienz steigern. In diesem Artikel möchten wir Ihnen fünf einfache Wege aufzeigen, wie Ihr Unternehmen von der Künstlichen Intelligenz profitieren kann.

Intelligentes CRM

Customer Relationship Management, kurz CRM, bedeutet Kundenbeziehungsmanagement. Die Aufgabe von CRM, ist es, kundenspezifische Daten zu sammeln und zu verwalten. Der Support und Kundenservice jedes Unternehmens kann enorm davon profitieren, die Betreuung und Organisation dieser Daten in weiten Teilen der Software zu überlassen, damit die Angestellten sich wichtigeren Aufgaben widmen können.  Ein Beispiel ist die CRM-Plattform von SalesForce, die seit 2016 Einstein KI einsetzt, um E-Mails, Telefonate, Social Media Posts, Projektbewertungen und Kundenfeedback zu analysieren. Daraus zeichnet Einstein AI ein Bild des Kunden und ermöglicht es, neue Einsichten aus den Kundendaten zu gewinnen und Marketingstrategien präziser zu formulieren.

Intelligenter Kundenservice

Gleichzeitig kann die Künstliche Intelligenz dem Kundensupport einiges an Arbeit abnehmen. Automatisierte Antworten auf häufig gestellte Fragen bieten zeitsparende Unterstützungsleistungen für den Kundensupport, der sich besser wichtigeren Aufgaben widmen sollte, die noch nicht von einer Software übernommen werden können. Die KI agiert als Mittelsmann, sorgt damit für freie Ressourcen beim Kundensupport und optimiert Abläufe.

Intelligentes Marketing

Intelligente Software kann Unternehmen auch dabei helfen, die Kosten für das Marketing gering zu halten. Es bieten sich die Analyse von Nutzerverhalten bei Werbung an, die genau bestimmt, wo welche Werbung effektiv ist und wo das Platzieren von Ads nicht die Ausgaben wieder einspielt. Unternehmen setzen dadurch ihr Budget zielgerichtet ein. Mithilfe der Analyse des Kundenverhaltens lassen sich in Zukunft die Marketingstrategien noch besser planen.

Intelligente Analyse

Die Analyse lässt sich auch auf die Konkurrenz anwenden. KIs liefern wertvolle Unterstützungsarbeiten beim Sammeln von Daten der Konkurrenz und der Analyse des Contents. AI beobachtet das Verhalten eines Konkurrenzunternehmens im Internet. Es beobachtet seine Tätigkeiten in den sozialen Medien oder wenn sich die Preise seiner Produkte ändern. Dadurch lassen sich die Strategien eines Gegners vorhersehen und adäquate Gegenstrategien entwickeln.

Intelligente Prognose

Künstliche Intelligenz kann Ergebnisse in unterschiedlichsten Bereichen der Datenanalyse liefern. Algorithmen sind bereits sehr gut in der Lage, Prognosen herzustellen. Dabei ist die Anwendung nicht mal so schwierig. Intelligente Softwares analysieren Google Tabellen, CSV und Excel Dateien, ohne dass Programmierfähigkeiten bei der Implementierung vonnöten wären. Die Bedienerfreundlichkeit wächst an, die Nutzung auch Laien möglich. Besonders kleine Betriebe, die sich keinen Spezialisten für jeden Bereich leisten wollen, profitieren von derlei Programmen.

Schon jetzt lässt sich sagen, dass Maschine Learning einen großen Einfluss auf die Unternehmenswelt haben wird. Viele Aufgaben im Bereich des Online-Marketings und der Verwaltung von Daten lassen sich mithilfe der Künstlichen Intelligenz vereinfachen und optimieren, anstelle neues Personal für das Marketing und der Datenanalyse zu engagieren.

Die aiso-lab steht Ihnen hier als kompetenter Ansprechpartner für alle Herausforderungen in Bereich Software und Hardware zur Verfügung.

Das Handelsblatt hat uns gefragt und unser Geschäftsführer hat geantwortet.

Verpassen Sie nicht das Interview mit Jörg Bienert im Handelsblatt Journal

Handelsblatt Journal - Seite 20

Das Fälschen von Kunstwerken ist ein lukratives Geschäft. Millionen von Dollar kann ein talentierter Kunstfälscher verdienen, indem er der Kunstwelt davon überzeugt, das Gemälde sei echt. Immer wieder erschüttern Skandale den Kunstmarkt, wenn sich herausstellt, dass die Sammler auf täuschend echte Nachahmungen hereingefallen sind und Unsummen für Fälschungen ausgegeben haben. Experten gehen davon aus, dass rund 50% der auf dem Kunstmarkt gehandelten Werke Fälschungen sind. Doch das könnte sich bald ändern - denn die Forscher der Rutgers University führen derzeit einen computergestützten Ansatz zur Analyse von Strichen in Linienzeichnungen ein, der in der Lage ist, die ursprüngliche Arbeit zweifelsfrei zu bestimmen und eine Fälschung zu erkennen, indem sie sich nur die Striche ansehen, aus denen ein Stück zusammengesetzt ist.

Quelle: https://arxiv.org/pdf/1711.03536.pdf

Gefälschte Kunstwerke zu erkennen ist ein schwieriges Unterfangen. Experten analysieren Pigmente und Bindemittel, bestimmen mittels Radiocarbonmethode das Alter des Holzes und der Textilien, setzen Infrarotreflektografie, Röntgenaufnahmen und vieles mehr ein, um den Fälschern nicht auf den Leim zu gehen. Denn gute Fälscher wissen, die Pinselführung der Künstler nachzuahmen. Fast. Das der eigentliche Künstler doch einen unnachahmlichen Stil pflegt, macht sich die Bild Erkennung der künstlichen Intelligenz der Rutgers University zunutze. Und könnte damit bald den meisten Fälschern auf die Spur kommen. Mittlerweile erreicht die Kunst Erkennung der Ai bei bestimmten Künstler eine fast 100%ige Trefferquote. Durch Maschine Learning lernt sie die Strichführung bekannter Künstler wie Pablo Picasso, Amedeo Modigliani, Egon Schiele, Henry Matisse und vieler anderer.

Maschine Learning beschreibt einen Vorgang, bei dem eine Künstliche Intelligenz sich selbst Wissen aneignet. Die KI baut sich selbst einen Wissensvorrat auf, indem sie aus Erfahrung lernt. In diesem Falle wurden der KI 300 Strichzeichnungen berühmter Künstler gezeigt. Die Wissenschaftler mussten der KI nur noch sagen, zu welchen Künstlern diese Zeichnungen gehörten. Sie teilte diese Zeichnungen in 80.000 Einzelstriche auf und lernte somit den Stil der Künstler. Bald darauf war die Kunst Erkennung in der Lage, fast alle ihr unbekannten Werke den richtigen Künstlern zuzuordnen. Bei Fälschungen lag die Trefferquote bei 100%. So gut die Fälscher auch das menschliche Auge zu täuschen vermögen, die Bild Erkennung lernte die Fälschungen von den Originalen durch die ganz eigene Strichführung der Künstler zu unterscheiden.

Dieses Experiment zeigt, dass die vorgeschlagene Methodik einzelne Striche mit einer Genauigkeit von 70%-90% klassifizieren und über Zeichnungen mit einer Genauigkeit von über 80% aggregieren kann, während sie robust genug ist, um von Fälschungen mit einer Genauigkeit von 100% getäuscht zu werden, um Fälschungen in den meisten Einstellungen zu erkennen.

Bislang gehören nur Zeichnungen mit Tinte und Bleistift, Holzschnitte und Radierungen zum Repertoire der Kunst Erkennung. Das soll sich aber in Zukunft ändern. Die KI soll sogar in der Lage sein, Fälscher zu entlarven, die neue Werke im Stile alter Meister als Originale ausgeben. Dafür muss sie nur noch lernen, Künstler nicht nur anhand von Strichen zu erkennen.

Quelle: https://arxiv.org/pdf/1711.03536.pdf

Ein Bild sagt mehr als tausend Worte. Deshalb haben wir die wesentlichen Aspekte von Artificial Intelligence auf ein Bild gebracht.

Es gibt sicher viele weitere Gesichtspunkte und Herangehensweisen. Wir würden uns daher über Feedback und Anregungen freuen, die wir dann bei dem nächsten Release gerne berücksichtigen.

Wer sich das Poster ausdrucken möchte, kann sich hier eine hochauflösende Datei herunterladen.

Die moderne Smartphone Ära, die mit der Einführung des ersten iPhones vor 10 Jahren begann, ist mittlerweile ausgereift. Bei der Einführung von Googles Pixel-2 Telefons in San Francisco sagte CEO Sundar Pichai, dass die Smartphone Funktionen sich "abschwächten" und sagte weiter, dass es schwer sei, aufregende neue Produkte auf der Basis von Hardware allein zu entwickeln.

Google sagte, es befinde sich in einem Übergang von einem "Mobile-First" -Unternehmen zu einem "AI-First" -Geschäft. Der maschinelle Lernteil der künstlichen Intelligenz ist eine der Stärken von Google. Die Übersetzung von neuronalen Maschinen umfasst heute 96 Sprachen und leistet 2 Milliarden Übersetzungen pro Tag.

Eine Demonstration, die die Leistungsfähigkeit der neuen integrierten Google Artificial Intelligence am besten veranschaulichte, war eine Liveübersetzung einer Frau, die Schwedisch spricht - während sie drahtlose Google Pixel Buds Kopfhörer trägt - an eine Person, die ein Google Pixel Smartphone hält und auf Englisch spricht.

Googles jüngste Vorabversion seiner Open Source Software TensorFlow Lite für Entwickler von maschinellem Lernen bedeutet eine aufregende Veränderung im Bereich der KI. Das Engagement des Unternehmens für die Entwicklung der KI, die Algorithmen auf einem mobilen Gerät ausführen können - ohne Verbindung zur Cloud - ist die Grundlage für die künstliche Intelligenz der Dinge (AIOT) der Zukunft.

Was Verbraucherprodukte angeht, gehören der Google Assistent, Alexa und Siri zu den beliebtesten Anwendungen von KI im Mainstream. Für $ 30 oder $ 40 kann eine Person ihre eigene interaktive künstliche Intelligenz bekommen - solange sie auch WiFi hat und irgendwo ein Ladegerät anschließen kann.

TensorFlow Lite repräsentiert die ersten begreifbaren Schritte auf dem Weg, AI-betriebene Geräte nicht nur zugänglich, sondern auch wegwerfbar zu machen. Es ist der Tod der Knöpfe und Schaltflächen. Die Entwickler haben jetzt die Möglichkeit einer Vorschau auf Tensor Flow Lite für Android und iOS. Anstatt neue Funktionen für KI-Anwendungen bereitzustellen, wurde die vorhandene Hardware - wie die Snapdragon Prozessoren in vielen Smartphones - dazu genutzt, Algorithmen auszuführen, die für mobile Geräte normalerweise nicht möglich sind, ohne das sie eine Verbindung zur Cloud herzustellen.

Mit der neuen Lite Artificial Intelligence Plattform von Google können Sie KI-Modelle auf einem Smartphone ausführen und nach dem Hinzufügen neuer Daten, diese Algorithmen ausführen, um neue Ergebnisse zu ermitteln. Es ist maschinelles Lernen für unterwegs, ohne dass die Konnektivität erforderlich ist.

Wenn Sie zu den Menschen gehören, die Angst vor der Theorie haben, dass Hunderte von Geräten in Ihrem Haus Sie über Ihre Internetverbindung ausspionieren können, werden Sie glücklich sein, wenn Sie erfahren, dass die Forscher bei Google das Tensor Flow Lite speziell dafür entwerfen, um diese Art von Bedenken zu berücksichtigen.

Laut der Tensor Flow Lite Website wurde die Software mit den folgenden Kriterien entwickelt:

• Weitverbreitete intelligente Appliances schaffen neue Möglichkeiten für Intelligenz auf dem Gerät.
• Interesse an stärkeren Datenschutzparadigmen für Benutzer, bei denen Benutzerdaten das mobile Gerät nicht verlassen sollen.
• Möglichkeit, 'Offline' Anwendungsfälle zu bedienen, bei denen das Gerät nicht mit einem Netzwerk verbunden sein muss.

Es wird interessant sein zu beobachten, was das Projekt "AI-Plattformminiaturisierung" von Google als Nächstes angeht. Es ebnet den Weg für sprachgesteuerte Einwegprodukte, die auf billigen Chips und AI-betriebenen Geräten basieren und die Ihr gesamtes Netzwerk den Hackern für ihre Angriffe nicht aussetzt.

Wenn Google weiterhin mehr Nutzen in weniger leistungsfähigere Geräte bringen kann, werden wir schließlich in einer Welt leben, in der künstliche Intelligenz billig in jedes Gerät eingesetzt werden kann, sogar in Einweg-Geräte. Google Ingenieur und der technischer Leiter von TensorFlow, Pete Warden, sagte dem MIT: "Was ich will, ist ein 50-Cent-Chip, der eine einfache Spracherkennung ermöglicht und ein Jahr lang an einer Knopfbatterie läuft."

Tensor Flow Lite bringt das Unternehmen einen Schritt näher an die Vision von Warden.