AI

Frameworks für das Machine Learning (ML) wurden ursprünglich für numerische Mathematik, Matrix-Berechnungen oder Statistik optimiert. Mit Deep Learning stieg dann der Bedarf nach darauf optimierten und spezialisierten Frameworks. Immer häufiger kommen deshalb heute Frameworks wie Apache MXNet (Incubating) und Gluon zum Einsatz.

Autoencoder sind generative neuronale Netzwerke, die äußerst vielseitig einsetzbar sind. Sie finden unter anderem beim maschinellen Übersetzen Anwendung, bei der Anomalieerkennung oder der Bildbearbeitung. Welche Spezialformen sind für die semantische Segmentierung von Bildern geeignet – wie es etwa beim autonomen Fahren unerlässlich ist?

Künstliche Intelligenz trifft traditionelle Industrie: In der Stahlproduktion unterliegt der erzeugte Stahl einer kontinuierlichen Qualitätssicherung. Der Grobblechhersteller Dillinger setzt dabei ein auf einem Grafikprozessor laufendes neuronales Netz ein. Es unterstützt die bildanalytische Bewertung der Beschaffenheit des Stahls.

Wenn Menschen die Entscheidungen von Künstlicher Intelligenz nicht verstehen und nicht nachvollziehen können, vertrauen sie ihnen auch nicht – sei es bei der Bewilligung eines Kreditantrags oder beim autonomen Fahren. Die Entscheidungen und Handlungen der Modelle müssen deshalb transparent und erklärbar sein.

Wie findet ein Unternehmen die passenden Expertinnen und Experten im eigenen Haus, wenn es sie für bestimmte Aufgaben schnell braucht? Mit dieser Herausforderung hatte es auch die iteratec GmbH zu tun – und entwickelte deshalb eine KI-basierte Suchmaschine, die das zuverlässige und schnelle Finden von Mitarbeiter-Skills ermöglicht.