AI

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.

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?

Ein Gespräch über den Stand der Forschung im internationalen Vergleich, die Frage, wie wichtig die Transparenz von KI-Entscheidungen ist, sowie künftige Einsatzfelder.

Daten werden immer stärker zu Wirtschaftsgütern, zu strategischen Ressourcen innovativer Geschäftsmodelle. Warum die Unternehmen für das Daten-Sharing Marktplätze brauchen, und was Entwickler über den Telekom Data Intelligence Hub wissen müssen, zeigt der Artikel.

Die sogenannten künstlichen neuronalen Netze bilden die Datenbasis jeder künstlichen Intelligenz. Diese Netze finden ihren Ursprung in der wissenschaftlichen Disziplin der Biologie. Lebewesen entscheiden mithilfe von Erfahrungswerten und „gelernten“ definierten Merkmalen, wie sich ihr Organismus in bestimmten Situationen zu verhalten hat. Auch künstliche neuro- nale Netze sollen mithilfe von immer..