iStock-monsitj-ai-news

aiLetter #0.07: Amazons Polly, Fords AI-Investments, EmoNet und AI Bar

aiLetter #0.07: Amazons Polly, Fords AI-Investments, EmoNet und AI Bar

Liebe Freunde des aiLetter,

auf geht es in eine neue Woche mit AI-News aus verschiedenen Bereichen. Zum Beispiel mischt AI eigene Düfte, trainiert, unsere Gefühle zu erkennen und versucht erstmals, Patente anzumelden. Und in der AI Bar wird auf dem „Gesichtsdeckel“ angeschrieben.

Viel Spaß beim Lesen wünscht

Anke


ai@Work: Lösungen im Einsatz

Amazons Polly spricht wie ein Nachrichtensprecher

Der Cloud-Service verwandelt Texte in gesprochene Sprache. Ein neuronales Text-to-Speech-System erweitert die Fähigkeiten nun um das Feature „Newscaster Style“. Damit klingen die gesprochenen Texte natürlicher und ausdrucksstärker. Genutzt wird der Service etwa von The Globe and Mail und der Encyclopedia Britannica. Hörproben gibt es hier.

Das AI-Parfum

Auch in der Industrie der schönen Düfte ist AI angekommen. Das Start-up Scentbird launchte kürzlich vier Parfums, die eine AI aus Kundendaten und Bewertungen entwickelt hat. Parfumhersteller Symrise entwickelte mit IBM eine Maschine, die sogar ganz eigene Duftstoffe entwickelt. Mithilfe von AI können Hersteller zum Beispiel schneller auf aktuelle Änderungen im Kundenverhalten reagieren.


aiInvest: Wer investiert wo?

Fords AI-Investments

Der Autobauer kündigte an, Quantum Signal AI zu kaufen. Damit möchte man in Detroit das Wissen zu Simulationen und der Entwicklung von Algorithmen aufbessern. Ford investierte bereits in das israelische Machine-Learning-Start-up SAIPS und zusammen mit VW in Argo AI, um selbstfahrende Autos auf den Markt zu bringen.

108 Milliarden $ für AI

Die japanische SoftBank setzt einen zweiten Vision Fund für Invetitionen in AI auf. Zu den Investoren zählen Apple und Microsoft. Der erste Vision Fund der Bank lieferte seinen Investoren 45 Prozent Rendite und investierte unter anderem in Uber, Slack und WeWork. SoftBank-CEO Masayoshi Son wehrt sich gegen den Vorwurf, sein zweiter Fonds sei Anzeichen einer Tech-Blase.


aiLab: ein Blick in Forschung & Entwicklung

EmoNet kennt unsere Gefühle

Das künstliche neuronale Netzwerk EmoNet wurde von US-Forschern trainiert, um Emotionen aus Selfies zu erkennen. Elf verschiedene Gefühlsausdrücke kann das System schon einwandfrei erkennen, darunter Verlangen, Schrecken und sexuelle Erregung. Bei anderen wie Freude, Vergnügen und Verehrung fällt es ihm schwer, zu unterscheiden.
Angela Chen geht in ihrem Artikel näher auf die Schwierigkeiten und Gefahren der sogenannten Emotion Reckognition ein.

Menschliche Emotionen sind für AI-Systeme noch eine harte Nuss. © Unsplash/Ryan Franco

Diagnose mit Nebenwirkungen

Ein Algorithmus der Alphabet-Tochter DeepMind kann ein drohendes akutes Nierenversagen bis zu 48 Stunden vorhersagen. Dafür analysiert das AI-System die Gesundheitsdaten der Person. In neun von zehn Fällen liegt es richtig. Doch einsatzbereit ist es noch nicht. Denn trainiert wurde mit Daten des Department of Veteran Affairs. Die Datensätze waren zu fast 94 Prozent von männlichen Patienten und nur knapp 19 Prozent der Datensätze stammten von schwarzen Veteranen. Kommentare verschiedener Wissenschaftler zu den DeepMind-Ergebnissen gibt es hier.


aiPolicy: Politik & Rahmenbedingungen

Deadline verpasst

Eigentlich sollten die AI-Strategien der EU-Mitgliedstaaten in diesem Sommer fertig werden. So wollte es zumindest die EU-Kommission für ihren Plan zur Entwicklung und Nutzung von AI „Made in Europe“. Kroatien, Irland, Ungarn und weitere Länder wollen zumindest bis Ende des Jahres soweit sein. Weitere Länder brauchen eventuell noch länger. Deutschland und Frankreich haben ihre Strategien bereits präsentiert. Durch gemeinsame Anstrengungen will die Kommission Europa weltweit führend machen im Bereich ethischer, menschenzentrierter AI.

AI meldet Patente an

Darf eine AI Patente anmelden? Das Urteil steht hier noch aus. Doch die AI Dabus hat eine Plastikdose designed, die für Roboter leicht zu greifen ist und eine Lichtsignal, das auf Notfälle aufmerksam macht. Professor Ryan Abbott von der britischen University of Surrey hat die Patente deshalb in Dabus’ Namen angemeldet. Die Rechtslage scheint zumindest unklar: Während Großbritannien und die EU lediglich Patente für „natürliche Personen“ eintragen, werden Patente in den USA „Individuen“ zugeschrieben.


aiKeyword: Grundbegriffe erklärt

Deep Learning – Supervised und Unsupervised

Der aktuelle Hype rund um Machine Learning dreht sich um das sogenannte Deep Learning. Dabei unterscheidet man zwischen supervised und unsupervised Learning. Doch der Reihe nach…

Deep Learning (DL) umschreibt Tristan Greene auf thenextweb.com so:
„…a method by which a machine can extract information from data by sending it through different layers of abstraction. It’s a bit like using a series of increasingly small sifters to sort through chunks of rock for tiny bits of gold. At first you’d filter out large stones, then small rocks and pebbles, and finally you’d sift through whats left for flakes.” 

Der Unterschied zum Goldschürfen: Ein DL-Algorithmus lernt, Katzen oder Hunde in Bildern zu erkennen, also Muster in großen Datenmengen zu erkennen.
Wie funktioniert nun das überwachte Lernen? Entwickler Labeln zum Beispiel Millionen von Bildern mit Essen, die sie auf Instagram finden. Der DL-Algorithmus wird dann mit diesen Daten gefüttert und registriert die Gemeinsamkeiten aller Bilder mit dem Label „Essen”. „In essence it puts bits of data into groups – like separating laundry before washing”, erklärt Greene. Danach überprüfen die AI-Trainer, wie korrekt der Algorithmus Objekte in Bildern erkennen kann, die nicht gelabert sind. Diese Art des Lernens ist nützlich, wenn wir genau wissen, wonach wir suchen. Es ist die Basis für viele Dinge, die ein Smartphone heute kann, etwa Gesichter, Haustiere oder Essen auf Bildern erkennen.

Unsupervised Learning kommt ins Spiel wenn mann noch nicht genau weiß, wonach man sucht oder einfach Einblicke in Zusammenhänge haben will:
„Let’s say, for example, you’re trying to determine if someone is fudging the books at work, but you’ve got millions of pages of financial records to examine. You need a computer to help you look for patterns that could indicate theft, but there’s no way to create a dataset with ground-truth examples because you’re not entirely sure what you’re looking for.”

Dafür werden dann Algorithmen entwickelt, die Daten nach Gemeinsamkeiten durchforsten. Da es keine vorgefertigten Label gibt, versucht der Algorithmus einfach alles über den vorliegenden Datensatz herauszufinden.
„Since AI has no way of knowing what a cat or a dog is unless you label their images in your data, it’ll just output patterns in clusters. It might separate the images into dogs, cats, brown animals, white animals, spotted ones, striped ones, big ones, furry ones … you get the picture.”

Im Beispiel der gefälschten Bücher würde die AI zum Beispiel nach Berechnungen suchen, die nicht aufgehen. So lässt sich herausfinden, wo eventuell Geld verschwindet.


aiTaillight: Ein Fun Fact zum Schluss

Barkeeper AI

Vordrängeln am Tresen? Nicht in der AI Bar! Mithilfe der Gesichtserkennungssoftware des britischen Start-ups DataSparQ werden Drängler ermahnt. Die Happy Hour im „5cc Harrild & Sons“ wird so zum Spaziergang. Und on top darf man bei der AI auf seinem persönlichen „Gesichtsdeckel“ anschreiben lassen. Minderjährige Teenies gehen leider leer aus, denn die Barkeeper-Maschine fragt nach dem Ausweis 🙄

Endlich kein Gedrängel an der Bar mehr! Die AI Bar macht's möglich.

Dies ist eine der ersten Ausgaben des aiLetters. Wir freuen uns deshalb besonders über Feedback: feedback@ailetter.de
– Wie interesssant findest Du das Thema für einen eigenen Newsletter in dieser Form?
– Wie informativ ist für Dich insofern der Inhalt des hier vorliegenden Entwurfs?
– Wie bewertest du das Layout und den Aufbau des aiLetters?
– Was würdest du anders machen?
– Würdest du den aiLetter abonnieren? Würdest du ihn weiterempfehlen? Wenn ja, wem?


Beziehe den aiLetter regelmäßig!

Bleibe immer auf dem neuesten Stand. Erhalte wöchentlich News aus der Welt der Artificial Intelligence kostenlos in dein Postfach.


iStock-monsitj-ai-focus

aiLetter #0.06: Deep Fakes und ihre Folgen

aiLetter #0.06: Deep Fakes und ihre Folgen

Liebe Freunde des aiLetter,

zum Wochenende gibt es jetzt einen aiLetter mit dem aiFocus der Woche. Heute geht es um DeepFakes – ein aktuelles Buzzword. Doch was ist das eigentlich? Dazu findet Ihr nachstehend eine tiefere Betrachtung mit verschiedenen Links zu interessanten Artikeln über die Probleme und möglichen Folgen der ai-Technologie. Viel Spaß beim Lesen – und ich freue mich auf Euer Feedback zu dieser etwas anderen Form des aiLetters!

Viel Spaß beim Lesen wünscht

Anke


aiFocusDeep Fake – nur ein Symptom

  • Deep Fakes bringen Fake News auf ein neues Level und stehen damit symbolisch für die Auswirkungen von AI auf unsere digitale (Medien)-Realität
  • Technologische Lösungen bekämpfen nur die Symptome aber nicht die Ursachen der Deep-Fake-Problematik

Barack Obama nennt Donald Trump einen „Scheißkerl“Mark Zuckerberg erklärt, wie er mit Daten die Menschheit kontrolliert. Statt Jack Nicholson schwingt Jim Carrey die Axt in „The Shining“. Deep Fakes machen es möglich.

Was sind Deep Fakes?

Mithilfe von sogenannten generative adversarial networks (GANs) – einer Form von künstlichen neuronalen Netzwerken – werden Fotos, Video- und Audioaufnahmen verfälscht. Man stülpt einer Person praktisch eine Latex-Maske mit dem Gesicht einer anderen Person über.

Was könnte ein Fake-Obama sagen? Filmemacher Jordan Peele gibt ein paar Ideen.

Alter Fake-Wein in neuen AI-Schläuchen?

Manipulierte Fotos und Videos sind bekanntlich nichts Neues. Mit Fake News schlagen wir uns schon seit Jahren herum. Noch sind viele Deep Fakes schlecht gemacht und leicht zu entlarven. Ist die aktuelle Aufregung also übertrieben?

Manche Apps sind als harmlose Spielerei gestartet, mit der Filmfans lustige Clips entwickeln können. Spätestens bei der Deep Nude-App, mit der sich zu den Gesichtern von Frauen nackte Körper projizieren lassen, lässt sich der ursprüngliche, harmlose Nutzen schwer erkennen.

Apps wie Fake App werden immer besser. Dadurch wird gut gemachte Videomanipulation zum Werkzeug für Jedermann. Je mehr gefälschte Inhalte online auf sensationsgetrimmte Massenmedien und soziale Netzwerke treffen, desto mehr verstärken sie die Makel unserer Gesellschaft. Karen Hao gibt im MIT Technology Review einen klaren Blick auf die negativen Konsequenzen einiger Fälle: diskreditierte Frauen, eingeschüchterte Journalisten und ein manipulierter US-Wahlkampf 2016.

Die Grenzen zwischen Fake und Realität verschwimmen

Auch eine schnell enttarnte Fälschung kann erheblichen Schaden anrichten. Das manipuliertes Video von der angeblich betrunkenen US-Demokratin Nancy Pelosi wurde auch nach der Identifizierung als Fake zum Beispiel weder von Facebook noch von Twitter gelöscht. Der entsprechende Tweet von Präsident Trump erreichte Millionen von Menschen, mit den entsprechenden politischen Effekten.

Zusätzlich diskreditierte Trump bereits „echte“ Videos als Fake. Fox News und Co. ihr Übriges, um die Grenzen zwischen Wahrheit und Fiktion weiter zu vermischen – oftmals ganz ohne AI-Tools. Geteilt wird, was ins Weltbild der eigenen Filterblase passt. Ein hochwertiger Deep Fake ist für politische Akteure heute nicht mehr teuerGabuns Präsident Ali Bongo soll seine letzte Neujahrsansprache gefaked haben, um Krankheitsgerüchte zu zerstreuen.

Die Folgen: wachsender Populismus, Zynismus, Misstrauen und vielleicht Schlimmeres, wie Sicherheitsexperte Aviv Ovadya fürchtet: „Wenn ein Land unter Hochspannung steht, dann kann die Manipulation der Wahrnehmung von dem, was gerade geschieht, sehr ernste Folgen haben. Ja, es kann sogar zu Krieg führen.“

Zukünftig könnten mit Deep Fake auch noch falsche Identitäten kreiert werden. Diese sogenannte Fake Face Generation soll bereits von Spionen eingesetzt werden, um ihre wirklichen Identitäten zu verschleiern.

Herumdoktern an Symptomen

Was also tun gegen Deep Fakes? Jegliche Bemühungen, dem Problem durch „Aufklärungs-Software“ technisch entgegenzuwirken gleichen einem Katz-und-Mausspiel. Die Fake-Entwickler sind ihren Verfolgern immer einen Schritt voraus.

Australien bestraft den Missbrauch von Gesichtern für Porno-Deep-Fakes zwar mittlerweile. Doch scheinen nationale Regulierungen wie in anderen Fällen kaum der richtige Weg zu sein, um Internetkriminalität zu bekämpfen.

Technologie-Ethiker Matt Beard kritisiert die Idee hinter technologischen Abwehrmechanismen von Deep Fakes grundlegend:
„The furore over deepfakes is a microcosm for the larger social discussion about the ethics of technology. It’s pretty clear the software shouldn’t have been developed and has led – and will continue to lead – to disproportionately more harm than good.“

Missbrauchte Technologie mit anderer Technologie zu bekämpfen, sei das Grundproblem unseres Technologie-Paradigmas:
„… in asking for a technological fix to deepfakes, we’re fuelling the same logic that brought us here. Want to solve Silicon Valley? There’s an app for that! Eventually, maybe, that app will work. But we’re still treating the symptoms, not the cause.“

Beard wirft uns allen vor, dass wir das Problem nicht bei der Wurzel packen:
„At the moment we’re dancing around the edges of the issue, playing whack-a-mole as new technologies arise. We treat tech design and development like it’s inevitable. As a result, we aim to minimise risks rather than look more deeply at the values, goals and moral commitments built into the technology. As well as asking how we stop deepfakes, we need to ask why someone thought they’d be a good idea to begin with.“

Beard arbeitet an Ethik für Technologien in seinem Ethics Centre. Was wir selbst tun können? Ich denke vor allem, sich der Gefahren durch manipulierte Medien bewusst werden, Anzeichen erkennen, diese mit anderen diskutieren. Insgesamt also die eigene Mündigkeit im digitalen Zeitalter festigen, zum Beispiel mit einem regelmäßigen Blick über den Tellerrand der eigenen Filterblase. Und fürs Erste: Deep Fakes erkennen. Hier ein paar einfache Schritte:

how-to-stop-deep-fake

 

ai DeepDive fürs Wochenende

Wer sich genauer zu Deep Fakes und den Auswirkungen informieren möchte, dem empfehle ich die folgenden Artikel:

  • Die Diskussion, inwiefern Deep Fakes mehr Schaden anrichten können als andere Manipulationen und die generelle Fake-News-Welle durch Trump, Fox News und Co. auf sueddeutsche.de
  • Eine kritische Betrachtung von Deep Fake und den Folgen durch den US-Korrespondenten des ZDF, Elmar Theveßen auf zdf.de
  • Wie Deep Fakes die politische Landschaft beeinflussen auf theguardian.com
  • Matt Beards ausführliche Auseinandersetzung mit den Fragen nach Technologie-Ethik am Beispiel der Deep Fakes auf theguardian.com


Dies ist eine der ersten Ausgaben des aiLetters. Wir freuen uns deshalb besonders über Feedback: feedback@ailetter.de
– Wie interesssant findest Du das Thema für einen eigenen Newsletter in dieser Form?
– Wie informativ ist für Dich insofern der Inhalt des hier vorliegenden Entwurfs?
– Wie bewertest du das Layout und den Aufbau des aiLetters?
– Was würdest du anders machen?
– Würdest du den aiLetter abonnieren? Würdest du ihn weiterempfehlen? Wenn ja, wem?


Beziehe den aiLetter regelmäßig!

Bleibe immer auf dem neuesten Stand. Erhalte wöchentlich News aus der Welt der Artificial Intelligence kostenlos in dein Postfach.


iStock-monsitj-ai-news

aiLetter #0.05: AI berechnet Gehälter, Microsoft & OpenAI, Robo-Erntehelfer und ein Chatbot mit Comedy-Qualitäten

aiLetter #0.05: AI berechnet Gehälter, Microsoft & OpenAI, Robo-Erntehelfer und ein Chatbot mit Comedy-Qualitäten

Liebe Freunde des aiLetter,

herzlichen Dank für Euer tolles Feedback bisher! Viele von Euch haben angemerkt, dass sie den aiLetter lieber öfter und dafür in reduziertem Umfang lesen würden.
Und wir versuchen das mal so: anstelle eines langen aiLetter am Freitag verteilen  wir den Inhalt für Euch jetzt auf zwei Newsletter:
Zur Wochenmitte gibt es einen aiLetter mit ausgewählten News. Zum Wochenende tauchen wir dann tiefer ein, diskutieren ein Thema ausführlicher und geben Anregungen zur weiteren Auseinandersetzung, etwa in Form von Podcasts oder Longreads.

Auch bei diesem neuen Testlauf freuen wir uns wieder auf euer Feedback!

Viel Spaß beim Lesen wünscht

Anke


ai@Work: Lösungen im Einsatz

Wird Ronaldos Gehalt bald von AI berechnet?

Wieviel sollten Spieler im American Football verdienen? Das Start-up Pro Football Focus beantwortet diese Frage mit einer AI-Anwendung. Das Gehalts-Analyse-System ermittelt den Wert eines Spielers anhand der Performance, basierend auf historischen Spielstatistiken und Abschätzungen zukünftiger Leistung, und schlägt eine angemessene Bezahlung vor. Erste Ergebnisse legen nahe, dass Running Backs anscheinend überbezahlt sind.

Eignet sich ein solches Tool auch für europäische Sportarten wie Fussball? Immerhin streichen Spitzenspieler mittlerweile aberwitzige Summen ein und sitzen oftmals doch nur auf der Bank. Schreibt mir eure Meinung dazu an feedback@ailetter.de!

Robo-Investoren erobern Aktienmärkte

Das ist neu: Während sich viele Investoren in Erwartung der nächsten Krise eher zurückziehen, investieren intelligente Algorithmen munter weiter. Bisher waren Aktienpositionierungen menschlicher und systematischer Anlagestrategien größtenteils deckungsgleich. Seit ein paar Monaten beobachten Analysten einen wachsenden Gap. Das Ergebnis: Die Aktienmärkte werden aktuell, neben Aktienrückkäufen von Unternehmen, vor allem durch Robo-Investoren hochgetrieben.


aiInvest: Wer investiert wo?

Eine Milliarde für maschinelle Gehirne

Microsoft will in Sachen AI mit Google, Facebook und Amazon Schritt halten. Eine Milliarde US-Dollar fließen nun in eine Kooperation mit OpenAI. Gegründet als Non-Profit-Labor von Tech-Prominenz wie Elon Musk, arbeitet OpenAI an der Entwicklung von Artificial General Intelligence (AGI). Um die teure Rechenleistung für AGI zu finanzieren, hat sich OpenAI mittlerweile für Investoren geöffnet.

Ein zweites Einhorn für Singapur

Das Gesichtserkennungs-Start-up Trax steigt durch eine Finanzierung von 100 Mio. US-Dollar zum zweiten Unicorn des Stadtstaates auf (geschätzter Wert 1,3 Mrd. US-Dollar). Trax vertreibt „Shelfie Cams“, die in Läden die visuelle Interaktion der Kunden mit der Ware verfolgen und so helfen sollen, das Kauferlebnisses zu verbessern.


aiLab: ein Blick in Forschung & Entwicklung

AI-Landkarten

Facebook öffnet sein Map With AI-Tool für die OpenStreetMap-Community. Das Tool soll Hobbykarthographen bei zeitaufwendigen Schritten entlasten. FürGoogle Maps trainieren derweil Machine Learning-Algorithmen, um die Qualität der Karten ohne menschliche Intervention zu verbessern.

AI als Tastemaker und Spargelstecher

Diverse Start-ups arbeiten an der Entwicklung von neuen Rezepten, optimieren Lebensmittel und die Vorhersage menschlicher Geschmäcker – mithilfe von AI. Foodpairing betreibt etwa die größte Datenbank für Geschmacksstoffe. Am MIT wird AI genutzt, um besonders aromatisches Basilikum zu züchten. Auch bei der beschwerlichen Obst- und Gemüseernte kann AI helfen: An der University of Cambridge wurde ein Ernteroboter mit AI-Bilderkennung entwickelt. Die Maschine kann Salate, Paprika und Co. auf einem Feld erkennen, reife von unreifen Früchten unterscheiden und ernten.

ernteroboter-ai-university-of-cambridge
© University of Cambridge


aiPolicy: Politik & Rahmenbedingungen

100 Mio. Pfund für Weiterbildung

Die britische Regierung startet eine massive Weiterbildungsoffensive für Menschen, deren Jobs durch AI gefährdet sind. Menschen in klassischen Arbeiter- und Angestelltenjobs sollen so unterstützt werden, sich weiterzuentwickeln und neue Jobchancen zu ergreifen.

AI-Potenziale ermitteln

Im US-Bundesstaat New York erarbeitet eine 13-köpfige Kommission die Potenziale von AI und die Möglichkeiten einer Regulierung. Im Fokus stehen die Auswirkungen auf Jobs, den öffentlichen Sektor sowie potenzielle Gefahren der Technologie.


aiKeyword: Grundbegriffe erklärt

Die drei Kategorien von AI

Was ist mit dem Begriff AI gemeint? Zwischen Alexa, selbstfahrenden Autos und einer Superintelligenz, die die Weltherrschaft an sich reißt, ist gefühlt alles AI. Ein wenig Klarheit bringt die Unterteilung in Artificial Narrow Intelligence (ANI), Artificial General Intelligence (AGI) und Artificial Super Intelligence (ASI). Techblogger Ben Dickson erläutert dies anschaulich:

„Narrow AI is the only form of Artificial Intelligence that humanity has achieved so far. This is AI that is good at performing a single tasks, such as playing chess or Go, making purchase suggestions, sales predictions and weather forecasts.“

Alles was aktuell in Sachen Computer Vision, Textverarbeitung, Sprach- und Bilderkennung für Furore sorgt, ist also schwache AI.

„General AI, also known as human-level AI or strong AI, is the type of Artificial Intelligence that can understand and reason its environment as a human would.“

Diese starke AI scheint aktuell noch in weiter Ferne, auch wenn seit Jahrzehnten der Durchbruch erwartet wird. Und was ist nun die Superintelligenz?

„According to University of Oxford scholar and AI experte Nick Bostrom, when AI becomes much smarter than the best human brains in practically every field, including scientific creativity, general wisdom and social skills, we’ve achieved Artifical Super Intelligence.“

Diese AI mit Terminator-Potenzial scheint noch weit weg zu sein.


aiTaillight: Ein Fun Fact zum Schluss

Chatbot vs. Telemarketer

Nervige Werbeanrufe, hinter denen im schlimmsten Fall sogar betrügerische Geschäftsmodelle stecken? Nicht mit Chatbot Ox-Gut McGee! Er basiert auf IBMs Wtson AI und ist darauf trainiert, Telemarketer so lange wie möglich in der Leitung zu halten und ihre Zeit zu verschwenden. In diesem Telefonat spielt er einer Callcenter-Mitarbeiterin 15 Minuten lang sehr menschliches Theater vor. Er schreit ein imaginäres Kind im Hintergrund an, erzählt von gescheiterten Jobambitionen und lässt die Anruferin an seinem Nikotin-Entzug teilhaben. Zum Brüllen!

Chatbot Ox-Gut McGee geht Callcenter-Mitarbeiterin auf die Nerven.

Dies ist eine der ersten Ausgaben des aiLetters. Wir freuen uns deshalb besonders über Feedback: feedback@ailetter.de
– Wie interesssant findest Du das Thema für einen eigenen Newsletter in dieser Form?
– Wie informativ ist für Dich insofern der Inhalt des hier vorliegenden Entwurfs?
– Wie bewertest du das Layout und den Aufbau des aiLetters?
– Was würdest du anders machen?
– Würdest du den aiLetter abonnieren? Würdest du ihn weiterempfehlen? Wenn ja, wem?


Beziehe den aiLetter regelmäßig!

Bleibe immer auf dem neuesten Stand. Erhalte wöchentlich News aus der Welt der Artificial Intelligence kostenlos in dein Postfach.


iStock-monsitj-ai-news

aiLetter #0.04: Neuralink, BMW, Intel, IBM und maschinelle Kunst

aiLetter #0.04: Neuralink, BMW, Intel, IBM und maschinelle Kunst

Liebe Freunde des aiLetter,

Elon Musk will unsere Gehirne anzapfen, was mich skeptisch stimmt. Bei BMW gliedert sich die AI indes brav in die Produktion ein. An anderer Stelle schlug eine intelligente Maschine erstmals Profi-Pokerspieler – offensichtlich ein Meilenstein. Und am Ende bleibt: ganz große Kunst.

Viel Spaß beim Lesen wünscht

Anke


aiFocus: Das Thema der Woche

Der Mensch im Internet der Dinge

Alexa macht das Licht an, das Auto ermahnt zum Werkstattbesuch, Produktionsmaschinen weisen auf ihren eigenen Verschleiß hin. Willkommen im Internet of Things (IoT) – dem Internet der Dinge. Immer mehr physische Objekte werden online miteinander vernetzt, senden Daten, aus denen dann wiederum intelligente Algorithmen Erkenntnisse ziehen können.

Unternehmen wie Schneider Electric optimieren mit „Industrie 4.0“ ihre Produktion. Die neue Smart Factory des Automatisierungsspezialisten reduziert etwa Maschinenstillstandzeiten um 44 Prozent. Das senkt Kosten. Eine großartige Entwicklung!

Auch wir Menschen sind längst Teil von IoT-Systemen. Ob Smart Home, Smartphone oder Fitnesstracker – über verschiedene Wege senden wir (physiologische) Daten aus. Dadurch schickt Amazon uns bessere Angebote. Versicherungen belohnen oder bestrafen uns für unsere Schrittzahl pro Tag.

Geht unser Gehirn ans Netz?

Elon Musk geht natürlich noch weiter: Sein jüngstes Start-up Neuralink arbeitet an einer neuen Art von sogenannten Brain-Machine-Interfaces (BMI). Musk, der AI wiederholt als gefährliche Technologie bezeichnet hat, sieht die Verschmelzung von Mensch und Maschine als Antwort auf eine drohende Super-AI.

Hirnimplantate gibt es heute schon. Der farbenblinde Neil Harbisson gilt als erster offiziell anerkannter Cyborg. Er kann mithilfe einer Antenne Farben hören. Generell könnten Hirnschnittstellen Menschen mit Behinderungen helfen.

Neil_Harbisson_cyborgist
© Dan Wilton/The Red Bulletin

Doch Harbissons Farbwahrnehmung geht über die menschliche hinaus. Er hört auch Infrarot oder Ultraviolett. Er könnte beispielsweise die Infrarot-Sicherung in Banken erspüren und sich so Vorteile verschaffen. Ist das etwas anderes, als Menschen, die unterschiedlich schnell rennen oder im Kopf rechnen können? Wieviel Selbstoptimierung ist okay? Und: Wer wird sich solche Erweiterungen in Zukunft leisten können?

Hinzu kommt: So wie neue Daten in unser Gehirn hineinfließen, können sie genauso gut auch herausfließen. Gehen wir also irgendwann mit unserem Gehirn online? Steuern wir Alexa mit unseren Gedanken? Und werden wir dadurch perspektivisch zu einem „Ding“, zu einer Maschine im IoT?

Auch wenn diese Fragen unangenehm klingen, es ist notwendig, sie zu stellen. Denn sie bringen uns an Punkte, an denen wir zwischen dem technisch Machbaren und dem moralisch Gewünschten abwägen müssen.

 

Wie steht ihr zum Thema Mensch-Maschine-Verschmelzung? Ich freue mich über eure Gedanken an feedback@ailetter.de


ai@Work: Lösungen im Einsatz

AI am Fließband

Während AI-Anwendungen in vielen Industrieunternehmen noch in der Probephase sind, setzt BMW seit 2018 auch serienmäßig auf neuronale Netze. Zum Beispiel auf automatisierte Bilderkennungsverfahren. Wichtig dabei: Die Systeme werden von den BMW-Mitarbeitern selbst mit Bilddaten gespeist und lernen so etwa, Normabweichungen bei bestimmten Bauteilen zu erkennen.

AI in der Backstube

Die Pizzabäcker-Kette Domino’s lässt Kunden in Australien und Neuseeland in die Backstube schauen. Über ein AI-Tool können sie Echtzeitbilder von ihrer bestellten Pizza sehen. Der lernende Algorithmus des DOM Pizza Checker prüft dabei Qualitätskriterien, etwa ob die richtigen Zutaten auf der Pizza liegen oder wie sie verteilt sind. Nach Angaben des Unternehmens verbesserten sich die Kundenbewertungen durch diese AI-Anwendung um 15 Prozent.


aiInvest: Wer investiert wo?

Daten statt Investments

IBM unterstützt AI Start-ups mit einer Ressource, die mindestens so wichtig ist wie Kapital: kuratierte Datensets. In zwei neuen Projekten stellt das Unternehmen Entwicklern Datensätze und Cloudinfrastruktur zum Trainieren von AI-Anwendungen zur Verfügung. Das Open Source-Projekt Kabanero soll Entwicklern helfen, besser zusammenzuarbeiten. Auch der Fahrdienstanbieter Uber geht will mit seiner neuen Open Source-Plattform Plato dabei helfen, dialogfähige AI-Systeme, sogenannte Conversational AI, zu entwickeln und zu testen.


aiLab: ein Blick in Forschung & Entwicklung

Die Karten werden neu gemischt

Wissenschaftler der Carnegie Mellon University und von Facebook haben es geschafft, eine AI zu trainieren, die Profi-Pokerspieler schlagen kann. Schach und Go spielen kann AI ja schon. Was ist an Poker anders? Beim Poker muss man bluffen, verschlagen sein. Eine sehr menschliche Eigenschaft. Und: Am Pokertisch sitzen mehr als zwei Spieler, mit vielen verdeckten Karten. Die Fähigkeit der AI, in diesen unsicheren Umständen strategisch vorzugehen ist ein enormer Fortschritt. Praktischer Nutzen könnte etwa in der Umleitung selbstfahrender Autos bei Staus liegen. Zum Research Paper

8 Millionen Neuronen

Intel hat einen neuen Supercomputer vorgestellt. Er besteht aus 64 sogenannten neuromorphischen Chips, die acht Millionen Neuronen simulieren können. Das System, Pohoiki Beach genannt, wird zunächst 60 Forschungspartnern zugänglich gemacht. Sie sollen so ihre AI-Algorithmen skalieren können, um komplexe, rechenintensive Probleme zu lösen.


aiPolicy: Politik & Rahmenbedingungen

Algo.Rules

Was darf AI und was darf sie nicht? Was müssen Entwickler beim Entwerfen von algorithmischen Systemen beachten? Wie können algorithmische Entscheidungen nachvollziehbar gemacht werden? Über 400 Beteiligte von verschiedenen gesellschaftlichen und politischen Organisationen, Forschungseinrichtungen und Unternehmen haben als ersten Anhaltspunkt die Algo.Rules entwickelt. Die neun Regeln gelten als dynamischer Katalog, der in weiteren Schritten konkretisiert und praxisnah gestaltet wird.

Einen ersten Überblick zum Thema AI und Ethik gibt auch diese Folge des AI-Podcasts des Software-Anbieters SAS.


aiKeyword: Grundbegriffe erklärt

Machine Learning / maschinelles Lernen

Was versteht man unter Machine Learning (ML)? Karen Hao vom MIT Technology Review erklärt es so:

Machine-learning algorithms use statistics to find patterns in massive* amounts of data. And data, here, encompasses a lot of things—numbers, words, images, clicks, what have you. If it can be digitally stored, it can be fed into a machine-learning algorithm.

*Note: Okay, there are technically ways to perform machine learning on smallish amounts of data, but you typically need huge piles of it to achieve good results.

Damit sind ML-Algorithmen für einen Großteil der aktuellen Fortschritte und Anwendungen im Bereich AI verantwortlich: von Netflix’ und YouTubes Empfehlungssystemen über die Suchmaschinen von Google und Co. und die Algorithmen von Facebook und Twitter bis hin zu den Sprachassistenten Siri und Alexa. All diese Systeme basieren auf ML. Ziel ist es, Muster in unserem Verhalten zu finden und auf dieser Basis unser zukünftiges Verhalten vorherzusagen.

Hao erklärt darüber hinaus, was es mit Deep Learning, neuronalen Netzwerken, supervised und unsupervised Learning auf sich hat.


aiDeepDive: Noch mehr AI zum Wochenende

Podcast: Erstklassige Menschen statt zweitklassige Roboter

Was müssen Kinder heute lernen, um morgen erfolgreich zu sein? Welche Fähigkeiten sind entscheidend in einer Welt mit AI? OECD-Bildungsexperte Andreas Schleicher erläutert im OECD-Podcast, worauf es in Sachen Bildung ankommt.

Multimedia: Die ganz große Liebe!

Die Japaner haben bekanntermaßen ein besonders inniges Verhältnis zu Technologie. Akihiko Kondo hat es besonders schwer getroffen. Er hat seine AI vergangenes Jahr deshalb geheiratet.

Lesetipp: AI-Gedanken von Kissinger und Co.

AI bringt viele Verbesserungen mit sich. Aber es könnte ebensogut die globale Sicherheit oder menschliche Beziehungen destabilisieren. So diskutieren es Polit-Legende Henry Kissinger, Ex-Google CEO Eric Schmidt und Dekan des MIT Schwarzman College of Computing Daniel Huttenlocher in ihrem Artikel. Die Herausforderungen, die wir haben, um diese neue Technologie in unsere Wertesysteme und Kulturen zu integrieren, sei im historischen Vergleich beispiellos, erklären die Autoren.


aiTaillight: Ein Fun Fact zum Schluss

Ist das Kunst…?

Wie hättest du zu Zeiten der Renaissance ausgesehen? Das kann jetzt jeder herausfinden, AI macht es möglich. Das Projekt AI Portraits Ars kreiert aus hochgeladenen Fotos von heute, Portraits in historischer Anmutung. Wir haben es ausprobiert. Das Ergebnis: naja, jede Epoche hat ihren eigenen Geschmack 😅

Hinter dem Projekt steckt übrigens Mauro Martino, seines Zeichens Artist-in-Residence am MIT-IBM Watson AI Lab.

 

portraitvergleich-anke-ralle
portraitvergleich-bernd-gricksch


Dies ist eine der ersten Ausgaben des aiLetters. Wir freuen uns deshalb besonders über Feedback: feedback@ailetter.de
– Wie interesssant findest Du das Thema für einen eigenen Newsletter in dieser Form?
– Wie informativ ist für Dich insofern der Inhalt des hier vorliegenden Entwurfs?
– Wie bewertest du das Layout und den Aufbau des aiLetters?
– Was würdest du anders machen?
– Würdest du den aiLetter abonnieren? Würdest du ihn weiterempfehlen? Wenn ja, wem?


Beziehe den aiLetter regelmäßig!

Bleibe immer auf dem neuesten Stand. Erhalte wöchentlich News aus der Welt der Artificial Intelligence kostenlos in dein Postfach.


iStock-monsitj-ai-news

aiLetter #0.02: AI & Jobverluste, deutsche AI-Forschung, AI & die Beatles

aiLetter #0.02: AI & Jobverluste, deutsche AI-Forschung, AI & die Beatles

Liebe Freunde des aiLetter,

erst einmal vielen Dank für euer bisheriges Feedback! Auf geht’s in Testrunde zwei des aiLetters. Im Fokus: Wie beeinflusst AI unser Arbeiten? Plus: AI in Deutschland – Unternehmen, Forschung und Landespolitik. Und was hat AI mit den Beatles zu tun? Das Taillight klärt auf.

Viel Spaß beim Lesen wünscht

Anke


aiFocus: Das Thema der Woche

Kollege AI – die Bedrohung im Arbeitsmarkt?

Seit Jahren geistert eine Zahl durch die Medien: 50 Prozent der US-Jobs fallen bis 2030 durch Automatisierung und AI weg. Die Zahl stammt von den Oxford-Wissenschaftlern Michael Osborne und Carl Benedikt Frey. Jetzt erklärt Frey: Wir wurden missverstanden. Zwar hätten sie berechnet, dass 47 Prozent der heutigen Jobs in den USA technisch ein hohes Risiko haben, automatisiert zu werden. Das hieße aber nicht, dass dies auch umgesetzt wird. Faktoren wie Kosten, regulatorische Belange, politischer Druck und sozialer Widerstand würden entsprechende Entscheidungen massiv beeinflussen.

Wie viele andere glaubt Frey: Technologischer Fortschritt schafft langfristig immer mehr Arbeitsplätze. Bedrohlich für viele Arbeitnehmer sei die aktuelle Umbruchphase. Sie müsse durch politische Regulierung sozialer gestaltet werden. Mehr dazu in Freys neuem Buch „The Technology Trap“

AI kann es noch nicht…

In den USA muss ungefähr 13.000 Mal pro Tag die Identität eines Uber-Fahrers überprüft werden. Algorithmen können dies aber noch nicht vollständig leisten. Stattdessen gleicht ein Mensch in Indien das hinterlegte Foto mit dem Menschen am Steuer ab und klickt „OK“. Der sogenannte „Mechanical Turk“.

Neben hochbezahlten Datenwissenschaftlern und Entwicklern bringt der AI-Boom eben auch solche prekären Beschäftigungen als „Pseudo-AI“ mit sich. Wo schlecht bezahlte Microjobber als „menschliche Computer“ sonst noch einspringen, wenn die AI versagt, beschreiben die Microsoft-Wissenschaftler Mary L. Gray und Siddharth Suri in ihrem neuen Buch „Ghost Work“.

Machen wir uns ehrlich!

Im Hinblick auf die Gefährdung von Arbeitsplätzen durch AI sollten wir ehrlich bleiben. Blinde Panikmache um Massenarbeitslosigkeit verstellt den Blick auf das, was wirklich passiert.

Erfrischend sind Beispiele, die zeigen: hinter dem vermeintlichen Chatbot sitzt oft noch ein Mensch. AI bleibt eher ein „Fachidiot“, der meist standardisierte Tätigkeiten erfüllen. Mittelfristig ist das gut für uns: wir Menschen können uns mehr auf unsere Kernkompetenzen konzentrieren: schöpferisch und kreativ tätig sein, Ideen haben, sozial interagieren, uns neue Anwendungsfelder für intelligente Maschinen überlegen und umsetzen.

Aber kritisch denken, flexibel sein, Neues erschaffen und ständig dazulernen wollen – das müssen wir auch können. Die eigene Geisteshaltung ist für den Erfolg am Arbeitsmarkt der Zukunft entscheidend. Leider sind unsere Bildungs- und Weiterbildungssysteme noch meilenweit davon entfernt, Menschen entsprechend zu befähigen.

Investitionen in Fachkompetenz sind und bleiben ein MUSS – sowohl staatlich als auch durch Unternehmen. 700 Mio US-Dollar nimmt z.B. Amazon bis 2025 in die Hand, um ein Drittel seiner US-Angestellten, immerhin 100.000 Mitarbeiter, weiterzubilden, beispielsweise als Datenspezialisten. Hoffentlich inklusive angemessener ethischer Vorgaben, was sie wie aus den Datenbergen des Tech-Players machen sollen …


ai@Work: Lösungen im Einsatz

#Neuland? Nicht ganz – AI in Deutschland weit verbreitet

Fast zwei Drittel der Unternehmen hierzulande nutzen bereits AI und maschinelles Lernen oder arbeiten an entsprechenden Projekten. Das ergeben aktuelle Zahlen von IDG Research Services im Auftrag des Magazins Computerwoche und weiterer Partner. Die größten Vorteile sehen die Befragten in den Bereichen IT, Kundendienste und Produktionsumgebungen.

AI kommt zum Beispiel hier zum Einsatz:

Gesichtserkennung per Klick: Das Hamburger Start-up WebID setzt seit Kurzem auf AI-gestützte Online-Identifikation. Das System kommt zunächst bspw. in Online-Handel und Gaming-Industrie zum Einsatz.

AI findet Straßenschäden: Im Enzkreis in Baden-Württemberg überprüft ein Bilderkennungsprogramm mit AI die Mitarbeiter des Landkreises beim Auffinden von Straßenschäden. So sollen diese früher erkannt und günstiger behoben werden.


aiInvest: Wer investiert wo?

Nicht ganz so viel Venture aber trotzdem viel Geld

Die EU-Kommission investiert 35 Mio. Euro in AI-Forschung für die Krebsfrüherkennung. Gefördert werden sollen Projekte, die brauchbare Daten zusammenführen und so die wichtige Grundlage dafür schaffen, dass Bilderkennungsprogramme besser trainiert werden können.


aiLab: ein Blick in Forschung & Entwicklung

KI-Forschung an deutschen Unis

Auch in der Wissenschaft wird hierzulande fleißig an AI-Projekten gearbeitet. Zum Beispiel so:

  • Kann ein Computer Zeitgefühl haben? Das fragten sich Forscher der Universität Heidelberg und weiterer Forschungseinrichtungen. Sie entwickelten ein neuronales Netzwerk, das errechnet, ob ein Sachverhalt rückgängig gemacht werden kann oder nicht. Die Erkenntnisse könnten helfen, um ungewollte Nebenwirkungen von AI-Systemen einzudämmen. Zum Research Paper
  • AI übernimmt im Cockpit: Ein Autopilot hat kürzlich ein kleines Passagierflugzeug mit Menschen an Bord sicher gelandet. Das System bedient sich AI-gestützter Bilderkennung und landet Flugzeuge „auf Sicht”. Entwickelt wurde es an den Technischen Universitäten in Braunschweig und München. Profitieren sollen vor allem kleine Flugzeuge und Flugplätze, die oft nicht über die nötige bodengebundene Infrastruktur verfügen. Video der Landung
  • Verstärkt AI Geschlechterklischees? Nicht einmal jede vierte AI-Fachkraft ist eine Frau. Alexa und Siri sprechen mit weiblichen Stimmen. Was bedeutet das? Zum Beispiel für unsere Kinder, die mit Sprachassistenten und Co. aufwachsen. Die Universität Magdeburg widmet sich diesen Fragen jetzt in einem öffentlichen Dialogprojekt. Mitmachen erwünscht!


aiPolicy: Politik & Rahmenbedingungen

AI-Strategie für Schleswig-Holstein

Die neue AI-Strategie der Landesregierung will Projekte bis Ende des Jahres mit sieben Mio. Euro fördern. Zu den acht Handlungsfeldern zählen Energie, Umwelt, Verkehr und die Verwaltung. Ein Expertenrat soll ethische und gesellschaftsrelevante Fragen aufgreifen. Die Initiative wird von vielen Stakeholdern positiv bewertet. Mancher hält die Fördersumme jedoch für zu gering.

Einen ersten Überblick zum Thema AI und Ethik gibt auch diese Folge des AI-Podcasts des Software-Anbieters SAS.


aiKeyword: Grundbegriffe erklärt

Künstliche Intelligenz / Artificial Intelligence

Was versteht man unter dem Begriff Artificial Intelligence und wo kommt er her? Prof. Richard Lackes definiert KI im Gabler Wirtschaftslexikon wie folgt:

Artificial Intelligence / Künstliche Intelligenz: Erforschung „intelligenten” Problemlösungsverhaltens sowie die Erstellung „intelligenter” Computersysteme. Künstliche Intelligenz (KI) beschäftigt sich mit Methoden, die es einem Computer ermöglichen, solche Aufgaben zu lösen, die, wenn sie vom Menschen gelöst werden, Intelligenz erfordern.

Lackes erklärt darüber hinaus, welche Methoden zum Informatik-Teilbereich der AI gehören, z.B. lernende Algorithmen, Bild- und Spracherkennung oder Robotik.


aiDeepDive: Noch mehr AI zum Wochenende

AI auf großer Fahrt

Was ist Artificial Intelligence genau? Wie lernt ein Computer? Wo wird in Deutschland mit AI geforscht? Eine Wanderausstellung der besonderen Art widmet sich aktuell diesen und weiteren AI-Fragen. Noch bis Ende Oktober 2019 ist die MS Wissenschaft in Deutschland und Österreich unterwegs. Aktuell liegt das Schiff in Bonn vor Anker.

Noch mehr AI erleben? In Wien beschäftigt sich die Ausstellung „Uncanny Values“ noch bis zum 6.10.2019 mit der Frage, was AI mit uns macht und wie sie uns auf verschiedenen Ebenen beeinflusst.

Interview: AI-Experte Tony Walsh erklärt, warum wir uns eher um maschinelle Dummheit als um maschinelle Intelligenz sorgen sollten. Und er antwortet auf die Frage, ob AI unser neuer Gott wird.

Plus: „Wie intelligent ist Artificial Intelligence?“ – Dieser Frage widmet sich das Video im Interview. Spoiler: AI ist in etwa so intelligent wie ein Pferd.


aiTaillight: Ein Fun Fact zum Schluss

Paul oder John? AI deckt auf, aus welcher Feder umstrittene Beatles-Songs stammen

Forscher der Harvard-Universität trainierten einen Algorithmus mit hunderten Songs der Pilzköpfe, um einen „musikalischen Fingerabdruck“ für jeden der vier Musiker zu erstellen. Seit Jahren streiten Paul McCartney und John Lennons Witwe Yoko Ono über verschiedene Songs. Das Ergebnis: „In My Life“ stammt mit über 80-prozentiger Sicherheit von Lennon, „From Me To You“ wurde mit 97-prozentiger Wahrscheinlichkeit von McCartney geschrieben.


Dies ist eine der ersten Ausgaben des aiLetters. Wir freuen uns deshalb besonders über Feedback: feedback@ailetter.de
– Wie interesssant findest Du das Thema für einen eigenen Newsletter in dieser Form?
– Wie informativ ist für Dich insofern der Inhalt des hier vorliegenden Entwurfs?
– Wie bewertest du das Layout und den Aufbau des aiLetters?
– Was würdest du anders machen?
– Würdest du den aiLetter abonnieren? Würdest du ihn weiterempfehlen? Wenn ja, wem?


Beziehe den aiLetter regelmäßig!

Bleibe immer auf dem neuesten Stand. Erhalte wöchentlich News aus der Welt der Artificial Intelligence kostenlos in dein Postfach.


iStock-monsitj-ai-news

aiLetter #0.0: EU-KI-Experten, Adidas-Panne, IBM Watson in Wimbledon

aiLetter #0.0: EU-KI-Experten, Adidas-Panne, IBM Watson in Wimbledon

Liebe Freunde des aiLetter,

los gehts mit unserem KI-Newsletter. Mit dabei: die KI-Experten der EU, die KI-Panne von Adidas und die Frage, wie passend Artificial Intelligence/Künstliche Intelligenz als Begriff überhaupt ist. Achja, und KI für die Ohren gibt es auch!

Viel Spaß beim Lesen wünscht

Anke


aiFocus: Das Thema der Woche

Die KI-Experten der EU

In Brüssel wird um das neue Spitzenpersonal der EU gefeilscht. Grund genug, um einen Blick darauf zu werfen, was aus dem politischen Europa in Sachen Künstliche Intelligenz (KI) und Co. zu erwarten ist.

Eine aktuelle weltweite Befragung des Weltwirtschaftsforumszeigt: 48 Prozent der Befragten wünschen sich, dass die KI-Nutzung von Unternehmen stärker reguliert wird.

Was tut die EU in diesem Kontext?

Die EU High Level Expert Group on AI veröffentlichte kürzlich einen zweiten Bericht zu Richtlinien für eine menschenzentrierte, ethische KI. Die Experten haben konkrete Forderungen für vertrauenswürdige KI: Welche Forschung soll finanziert werden und wie sollten die Auswirkungen der Technologie überwacht werden? Eine Empfehlung: KI soll nicht zur massenhaften Überwachung und sogenannten Scoring einzelner Individuen genutzt werden. Mehr unter netzpolitik.org

Was bedeutet die Arbeit der EU-Expertengruppe?

Die Experten leisten mit ihren Empfehlungen wichtige Vorarbeit. Die neuen politischen Akteure gießen diese hoffentlich zeitnah in verbindliche Richtlinien. Mal sehen, wieviel Ethik dabei übrig bleibt.

Die Experten wollen zum Beispiel die KI-Nutzung beim sogenannten Scoring verbieten. Das Social Credit System der chinesischen Regierung gilt hier als Schreckensszenario. Aber: Scoring gibt es in Europa schon. Und zwar nicht durch Regierungen sondern durch private Akteure wie Versicherungsunternehmen und Kreditgeber. Würde ein Verbot diese Nutzungen wirklich mit einschließen, fragt sich James Vincent auf theverge.com?

Mehr zum Thema:

Einen guten Überblick über die Digitalbemühungen in Brüssel und einen explizit europäischen Weg in Sachen KIlieferte die t3n bereits in ihrer Maiausgabe und jetzt auch online.

Personalnews: Wer vertritt uns etwa in Digitalbelangen im neuen Europaparlament? netzpolitik.org stellt einige Politiker vor.

Weitere Akteure: Das Fraunhofer-Instituts für Intelligente Analyse- und Informationssysteme bearbeitet die Zertifizierung von KI mit einer interdisziplinären Forschungsgruppe.

Mehr auf european-news-agency.de


ai@Work: Lösungen im Einsatz

Microsoft: Gegen Diskriminierung in Präsentationen

Ein neuer KI-Coach soll Menschen helfen, ihre Power Point-Präsentationen auf sexistische und andere diskriminierende Sprache zu kontrollieren und stattdessen inklusivere Sprache zu benutzen.

Mehr auf fastcompany.com

 

KI-Überwachung in chinesischen Casinos

Das Reich der Mitte gilt als Hochburg der KI-Entwicklung – vielfach mit fragwürdigen Wertvorstellungen. Zumindest aus europäischer Perspektive. Ein aktuelles Beispiel: Mit speziellen Pokerchips und Bakkarat-Tischen sowie versteckten Kameras und Gesichtserkennung wollen Casinobesitzer in Macau Spieler aufspüren, die besonders hoch verlieren. Diese Besucher könnten dann durch spezielle Angebote animiert werden, noch länger im Casino zu bleiben.

Mehr auf ndtv.com

KI-Pannen der Woche: Adidas’ gescheiterte KI-Kampagne & Facebooks Bildstörung

#DareToCreate – mit diesem Hashtag wollte Adidas seine Follower aktivieren. Die Idee: Zum Launch der neuen Kollektion für die Fußballer vom Arsenal London twittern Fans den Hashtag. Eine KI schickt dann ein Trikofoto mit dem Twitter-Handle der Person zurück. Das Problem: Auch Accounts wie „@GasAllJewss” nutzten #DareToCreate und die KI postete entsprechende Trikotfotos mit antisemitischen Slogans.

Mehr auf edition.cnn.com

 

Wie sehen Bilder für einen Machine Learning-Algorithmus aus? Eine vorübergehende Störung zeigte diese Woche die Beschreibungen an, die die Bilderkennungsprogramme von Facebook nutzen.

Mehr auf t3n.de


aiInvest: Wer investiert wo?

Budget für KI-Organisationstalent

Wie organisiere ich Technikprojekte? Wie finde ich die richtigen Mitarbeiter? Oft bereiten diese Fragen Probleme. Das Start-up Tara.ai arbeitet an Lösungen, die auf maschinellem Lernen basieren. Dafür gab es jetzt zehn Millionen US-Dollar von Venture Capital-Gebern, unter anderem dem Instant-Messenger-Anbieter Slack.

Mehr auf techcrunch.com

 

Frisches Geld für Kundenversteher-Software

Die KI-Software des indischen Start-ups Uniphore Software Systems kann nach eigenen Angaben wirklich zuhören. So soll sie die wirkliche Intention eines Kunden erkennen können. Dafür gab es kürzlich 38 Millionen US-Dollar Finanzierung.

Mehr auf thehindubusinessline.com

 

Warum Investitionen in Robotics jetzt Sinn machen

Roboter zu bauen ist komplex, oft langwierig und risikobehaftet. Mancher Kapitalgeber lässt deshalb lieber die Finger davon. KI-Unternehmer, Podcast-Host und Investor Rob May erläutert im InsideAI-Newsletter vom 30.06.2019, was Robotics-Investitionen in Zukunft attraktiver machen kann:

One big change is standardized parts. For example, if you are building something that needs a robotic arm, there is a 90% chance you can use something already in market, and not build your own.

Generell sieht er Potenzial in generalisierten Robotic-Anwendungen:

The way I think the robotics market will be built out is that no one will build a huge all-in-one robot-as-a-platform just yet, because the requirements for what that should be are still murky. Instead, every time so many use cases innovate the (roughly) same new piece of a robotics system, someone will realize there is the opportunity to standardize and platformize it. Each time this happens, the market opportunities will jump as a new group of robotics entrepreneurs no longer needs to hire someone for, or retain deep expertise in that piece of the system.

Was kommt als nächstes? May erwartet etwa standardisierte Greifer und mehr Varianten standardisierter, robotisierter Fortbewegung.

Mehr auf inside.com


aiLab: ein Blick in Forschung & Entwicklung

Mit maschinellem Lernen den Unterricht verbessern

Lehrer wissen nicht immer, wie gut ihre Schüler sie verstehen. Forscher des Dartmouth College wollen helfen. Ein neuer Algorithmus misst die Hirnaktivitäten, um festzustellen, wie gut jemand ein Konzept verstanden hat. Zusätzlich zu Ergebnissen eines Wissenstests könnte diese Hirnmessung in Zukunft Aufschluss geben, ob Lerninhalte verstanden wurden oder nicht.

Mehr auf nature.com / engadget.com

 

Künstliche Intelligenz erkennt Brustkrebsrisiko bis zu fünf Jahre im Voraus

Am Massachusetts Institute of Technology (MIT) wurde eine neue KI-Software entwickelt, die erste Anzeichen für Brustkrebs bis zu fünf Jahre im Voraus erkennt. Die neue KI-Anwendung ist zudem unabhängiger von der Hautfarbe der Patientin. Laut MIT ließen Diagnosemodelle, die bisher im Einsatz sind, bei dunkelhäutigen Patientinnen in ihrer Genauigkeit nach, da sie hauptsächlich mit Mammographiedaten von weißen Patientinnen trainiert wurden.

Mehr auf news.mit.edu

Warum ist das wichtig?

Laut des American College of Radiology haben Frauen mit dunkler Hautfarbe ein 42 Prozent höheres Risiko, an Brustkrebs zu sterben. Wie auch bei anderen Bilderkennungs-Programmen zeigt dieses Beispiel: unausgewogene KI-Trainingsdaten können massive Folgen für bestimmte gesellschaftliche Gruppen haben. In diesem Fall spielen selbstverständlich weitere Faktoren wie der ungleiche Zugang zu Gesundheitsversorgung eine wichtige Rolle.


aiPolicy: Politik & Rahmenbedingungen

KI dominiert beim Weltwirtschaftsforum

Auf der diesjährigen Liste der „Technology Pioneers” des Weltwirtschaftsforums geben KI-Unternehmen den Ton an. 20 von 56 gelisteten Start-ups nutzen KI und maschinelles Lernen.

Warum ist das wichtig?

Die „Technology Pioneers” werden zu Events des Forums eingeladen und haben dadurch Zugang zu potentiellen Partnern, Investoren und Politikern. Die Listung unterstreicht somit die Relevanz von KI als Technologie.

Mehr auf venturebeat.com

Frankreichs Industrie-Allianz für menschliche KI

Das französische Wirtschaftsministerium und acht Top-Industrie-Unternehmen wie Total, Renault und Air Liquide haben ein KI-Manifest unterzeichnet. Sie einigten sich, eine gemeinsame Vision für KI zu entwickeln. Eine vertiefte Zusammenarbeit von Industrie, Wissenschaft und Politik soll die französische KI-Position sowohl ökonomisch als auch politisch stärken.

Mehr auf finance.yahoo.com

Mehr zum Thema: Hier geht es zur KI-Strategie der französischen Regierung.


aiKeyword: Grundbegriffe erklärt

Artificial vs. Augmented Intelligence

Artificial Intelligence/Künstliche Intelligenz – absoluter Buzzword-Alarm! Beschreibt der Begriff angemessen, was wir heutzutage unter KI verstehen? Und wo kommt er her?

KI verbinden viele Menschen mit Science-Fiction-Figuren wie R2-D2, Terminator oder Wall-E (aktuelle Allensbach-Befragung).

Im aktuellen Wird das was?-Podcast von ZEIT online erklärt KI-Professorin Jana Koehler: von dieser generellen künstlichen Intelligenz sind wir noch meilenweit entfernt. Für Koehler ist sie auch nicht erstrebenswert. Und: Statt Künstliche Intelligenz hätte das Forschungsfeld der Informatik genauso gut Komplexe Computer-Anwendungen (Complex Computer Applications) heißen können. Die Begründer um John McCarthy fanden den Begriff Artificial Intelligence in den 1950ern schlicht cooler.

Müssen wir also weg von AI? Jein. Alternativ bietet sich etwa Augmented Intelligence, erweiterte Intelligenz, an. IBM nutzt diesen Begriff. Er beschreibt, dass selbstlernende Algorithmen, in welcher Form auch immer, unsere menschlichen Fähigkeiten nicht ersetzen, sondern ergänzen und unterstützen. Jana Koehler spricht von unterstützenden Systemen.

Was bedeutet dieses Verständnis von AI für den Einsatz im Unternehmen? Und warum ist die Intelligenz in dieser Gleichung weiterhin eine menschliche? Forbes-Autor Joe McKendrickbeleuchtet dies in zwei kurzen Artikeln mit verschiedenen Experten.


aiDeepDive: Noch mehr AI zum Wochenende

Noch ein bisschen KI fürs Wochenende gefällig? Dies sind meine Lese- und Hörtipps:

Podcast-Tipp: Die intelligente Maschine ist am Zug

Wie fühlt es sich an gegen eine KI Schach zu spielen? Was lernen Schachspieler von ihrem maschinellen Gegenüber? Was ist der nächste Einsatz für eine KI, die keine Gegner mehr findet? Im Economist-Podcast berichten DeepMind-Gründer Demis Hassabis und Schachhistoriker Dominic Lawson von ihren Erfahrungen.

Mehr auf economist.com

Interview: Auf dem Weg zum Robo-Journalismus?

Informatiker und Autor Nicholas Diakopolous erklärt warum Algorithmen den Journalisten nicht ersetzen können und wie Mensch und Maschine im Newsroom gut zusammenarbeiten können.

Mehr auf sueddeutsche.de

Wochenendlektüre: Mit KI gegen den Klimawandel

In einem aktuellen Bericht stellen Google Brain-Mitgründer Andrew Ng und weitere KI-Experten 13 Wege vor, wie KI im Kampf gegen den Klimawandel nutzen kann. Etwa bei der Produktionsvorhersage von Windparks, der Überwachung von Treibhausgasemissionen oder der Entwicklung effizienterer Verkehrsströme.

Einen Überblick bietet dieser Artikel. Hier geht es zum Bericht.


aiTaillight: Ein Fun Fact zum Schluss

Großes Tennis mit Watson

An alle Tennisfans, die keine Zeit haben, sich jedes Wimbledon-Match live anzuschauen: Rettung naht! In diesem Jahr schaut IBMs Watson zu. Die KI-Software verfolgt Gesichtsausdrücke und Körpersprache der Spieler mit. Die Highlights gibt es so bereits zwei Minuten nach Ende zusammengefasst. In 20 Minuten erstellt Watson eine persönliche Performanceanalyse von Federer, Kerber und Co..

Mehr auf ibm.com


Dies ist eine der ersten Ausgaben des aiLetters. Wir freuen uns deshalb besonders über Feedback: feedback@ailetter.de
– Wie interesssant findest Du das Thema für einen eigenen Newsletter in dieser Form?
– Wie informativ ist für Dich insofern der Inhalt des hier vorliegenden Entwurfs?
– Wie bewertest du das Layout und den Aufbau des aiLetters?
– Was würdest du anders machen?
– Würdest du den aiLetter abonnieren? Würdest du ihn weiterempfehlen? Wenn ja, wem?


Beziehe den aiLetter regelmäßig!

Bleibe immer auf dem neuesten Stand. Erhalte wöchentlich News aus der Welt der Artificial Intelligence kostenlos in dein Postfach.