Intelligenz
KI Physical Engineering: Zwillinge und digitale Simulationen, die falsche Intelligenz neu definieren
Künstliche Intelligenz beschränkt sich nicht mehr auf das digitale Framework. Neben dem Erstellen von Text, Bildern und Code arbeitet leider in der physischen Welt immer mehr – Echtzeit wahrgenommen, Argumentation, Handeln und Anpassung. Diese neue Grenze ist eine physische KI. Wirft autonome Lastwagen, die Erz in abgelegene australische Minen transportieren [1]Gabelstapler, das im Lagerhaus mit […]
Krankenhauskeime: Mittels Künstlicher Intelligenz zu effektiven Teststrategien
Krankenhauskeime sind eine unsichtbare, aber tödliche Gefahr und ein großes Problem in unserem Gesundheitssystem. Schätzungen zufolge sterben allein in Deutschland jedes Jahr 10.000 bis 20.000 Menschen, weil sie sich im Krankenhaus mit Krankheitserregern infizieren, sog. nosokomiale Infektionen [1]. Besonders gefährlich sind hierbei Infektionen mit multiresistenten Keimen, also solche, gegen die Antibiotika nur schwer anschlagen bzw. man […]
Wie Regeln und Standards die Zukunft künstlicher Intelligenz und autonomer Systeme prägen
Regeln und Standards spielen im Wettbewerb der Technologien und Zukunftsmärkte eine Schlüsselrolle. Das Positionspapier „Der Designer kontrolliert den Markt: Regeln und Standards“ der Fraunhofer-Gesellschaft weist auf die Bedeutung der Gestaltung von Regeln und Standardisierung hin und formuliert entsprechende Handlungsempfehlungen. Ein besonders wichtiges Tätigkeitsfeld in der Normung betrifft den Bereich der künstlichen Intelligenz und autonomen Systeme. […]
BDGERS: Untersuchung der Robustheit künstlicher Intelligenz durch Fehlerinjektion
Wie testet man KI-Systeme und warum können schlechte Daten helfen? In diesem Blogbeitrag spricht unser KI-Experte Dr. Julien Siebert nutzt Bug-Injection mit unserer Badgers-Bibliothek, um KI-Systeme zu testen. Folgen schlechter Datenqualität Datenqualitätsprobleme sind eine zentrale Herausforderung bei der Entwicklung und Bereitstellung von KI- und ML-Anwendungen. Ungenaue, unvollständige oder inkonsistente Daten können zu falschen Ergebnissen führen. […]