Aktuelles aus dem Ressort Machine Learning

Der Kampf gegen KI-Bias: Künstliche Intelligenz auf dem Prüfstand

Der rasante Bedeutungszuwachs von KI bedeutet auch, dass die Technologie immer mehr Entscheidungen trifft, ohne dass wir diese hinterfragen. Ob bei Kreditbewilligungen, Bewerberauswahl oder Gesichtserkennungen – Unternehmen müssen heute mehr denn je sichergehen, dass ihre KI-Applikationen keinen Menschen diskriminieren. Damit das Risiko des KI-Bias – sprich der unbeabsichtigten Verzerrung von Entscheidungen durch künstliche Intelligenz – minimiert wird, müssen Entwickler eine Reihe von Dingen beachten.

Der KI-Assistent als wichtigstes IT-Teammitglied

Künstliche Intelligenz (KI) ist allgegenwärtig und beeinflusst die Art zu leben, zu arbeiten und sich zu unterhalten. KI-Assistenten für Verbraucher wie Alexa und Siri haben die Technologie nach Hause gebracht und sie so bekannt gemacht. Doch das Potenzial von KI-Assistenten geht über die Bitte hinaus, ein Lied zu spielen oder den Wetterbericht zu überprüfen – die Einführung der Technologie in die Geschäftswelt bietet neue Möglichkeiten.

Ganzheitliche Orchestrierung: Der Mehrwert des Zusammenspiels von KI und RPA

Heutzutage implementieren viele Unternehmen bereits künstliche Intelligenz (KI) oder Robotic Process Automation (RPA), um punktuell bestimmte Teile ihres Geschäfts zu automatisieren. Allerdings fehlt häufig eine übergreifende Unternehmensstrategie, um diese Technologien zu verbinden und mit bestehenden Prozessen zu vereinen. Anstatt KI und RPA als Silos innerhalb der IT zu implementieren, sollten Unternehmen End-to-End-Geschäftsprozesse über die gesamte Belegschaft – Menschen, intelligente Systeme und Bots – ganzheitlich orchestrieren.

Avocados im Pyjama: Automatische Bildgenerierung mit DALL·E

Die KI-Schmiede OpenAI wartet wieder einmal mit bis dato unbekannten Möglichkeiten auf: Das GPT-3-basierte neuronale Netzwerk DALL·E erstellt Bilder auf Basis von Text- und Bildeingaben. Die Beispiele zeigen etwa anthropomorphisierte Tiere und Gegenstände in ungewöhnlichen Situationen. Schauen wir sie uns an, denn Bilder sagen bekanntlich mehr als Worte.

Classic Games Reloaded: Neuronale Netzwerke im Bann der Gravitation

Die Durchführung von ballistischen Berechnungen, orbitalen Flugmanövern und die Handhabung der Flugkontrolle von autonom landenden Raumfahrzeugen sind Herausforderungen, die uns mitnichten nur im Rahmen von Computerspielen begegnen. Im heutigen Artikel werden wir uns anschauen, wie sich verhältnismäßig einfach aufgebaute neuronale Netzwerke bei der Bewältigung der besagten Probleme schlagen, was in Anbetracht ihres Stellenwerts gleich doppelt interessant sein dürfte.

Machine-Learning-Modell trainieren: Machine Learning 101 mit ML.NET

Am Ende des ersten Teils dieser Serie haben wir erfolgreich eine Preprocessing Pipeline erstellt. An dieser Stelle setzen wir nun an, um unser Machine-Learning-Modell zu trainieren. Dazu schauen wir uns zunächst die Aspekte der Gewichtungen und des Bias an und erfahren anschließend, wie wir mit Hilfe von Evaluierung und Validierung die Aussagekraft unseres Modells optimieren können.

„AIOps spielt bei der Optimierung der Sicherheit von IT-Infrastrukturen eine entscheidende Rolle“

Zuerst einmal die gute Nachricht: Machine Learning wird weder Operator noch Entwickler ersetzen, auch nicht bei erfolgreicher Umsetzung einer AIOps-Strategie. Guy Fighel, General Manager of AI und Vice President of Product Engineering bei New Relic, erklärt im JAXenter-Interview, was genau AIOps eigentlich ist und wie Unternehmen und DevOps-Teams von maschinellem Lernen und künstlicher Intelligenz profitieren können. Er gibt zudem Auskunft über die Rolle von Entwicklern in diesem Prozess und beantwortet die Frage nach der Sicherheit bzw. den Risiken.

Die Technologie hinter Bundesliga Match Facts xGoals

Die für die Organisation und das Marketing der 1. und 2. Fußball-Bundesliga verantwortliche Deutsche Fußball Liga (DFL) will ihren Zuschauern und Fans neue, innovative Inhalte bieten. Ein Paradebeispiel hierfür ist die ML-basierte Berechnung der Wahrscheinlichkeit eines Torerfolgs mittels xGoals, eines der Bundesliga Match Facts powered by AWS. Nachdem der erste Teil die Grundlagen des Statistikangebots behandelt hat, wird im Folgenden die zugrundeliegende Cloud-Infrastruktur betrachtet.

Machine Learning auf AWS bringt Datenanalysen ins Fußballspiel

Das kennt jeder Fußballbegeisterte: Ein Spieler schießt „das Traumtor“ und Publikum sowie Kommentatoren diskutieren sofort, wie schwierig es war, den Treffer zu erzielen. Bisher ließ sich diese Frage aufgrund des Gesehenen nur ungefähr beantworten. Dabei berücksichtigten die Betrachter vielleicht noch zu einem gewissen Grad die Zahl der Verteidiger um den Torschützen, die Position des Torhüters oder den Schusswinkel. Mit den Analysen von xGoals (kurz für „Expected Goals“), eines der Bundesliga Match Facts powered by AWS, lässt sich nun der Grund für das Staunen in Zahlen ausdrücken. xGoals zeigt dem Fußballfan exakt, wie hoch die Wahrscheinlichkeit ist, aus einer spezifischen Situation heraus ein Tor zu erzielen – für jede potenzielle Schussposition auf dem Spielfeld.

X
- Gib Deinen Standort ein -
- or -