iStock-monsitj-ai-news

aiLetter #1.2: Lernende Erntemaschinen von John Deere, Krankenhaus-Roboter Moxi, AI und eure Stadt & Microsofts AI-Kunstwerk Ada

aiLetter #1.2: Lernende Erntemaschinen von John Deere, Krankenhaus-Roboter Moxi, AI und eure Stadt & Microsofts AI-Kunstwerk Ada

Liebe Freunde des aiLetter,

in den heutigen aiNews sind folgende Themen mit dabei: John Deere rückt mit AI-gestützter Technologie den Maiskörnern auf den Leib, der Roboter Moxi entlastet das Pflegepersonal in Krankenhäusern, Huawei und Google schrumpfen energieintensive AI-Modelle, Frankreich im Diskurs zwischen Gesichtserkennung und Datenschutz, die Beratung Oliver Wyman hat getestet, wie gut unsere Städte auf die Ausbreitung von Artificial Intelligence vorbereitet sind… und Ada lebt bei Microsoft.

Wie immer freuen wir uns über euer Feedback. Wenn euch der Newsletter gefällt, leitet ihn gerne an Menschen weiter, die sich auch für AI und Machine Learning interessieren (oder dies aus eurer Sicht tun sollten … ).

Viel Spaß beim Lesen wünscht

Anke


ai@Work: Lösungen im Einsatz

John Deere: Mit lernenden Erntemaschinen Menschen satt machen

Selbstfahrende Traktoren, Bilderkennung für die Ernte, „schmutzige Daten” sortieren – Machine Learning macht auch vor dem knapp 200 Jahre alten Landmaschinenhersteller John Deere nicht Halt. Das große Ziel: die Ernährung der wachsenden Weltbevölkerung sichern. So wandelt sich das Unternehmen immer mehr auch zur Software-Company.

john-deere-predicitive-feedrate-control
Selbstlernende Systeme unterstützen die Erntemaschinen von John Deere (Bild: John Deere).


aiInvest: Wer investiert wo?

3 Millionen US-Dollar für Krankenhaus-Roboter Moxi

Das texanische Start-up Diligent Robotics sicherte sich die Investition zum Start der kommerziellen Nutzung seines Assistenz-Roboters Moxi. Dieser soll das Pflegepersonal in Krankenhäusern bei Routinetätigkeiten entlasten. In der Demo wirkt Kollege Roboter tatsächlich seeehr entschleunigend 😜


aiLab: ein Blick in Forschung & Entwicklung

Die geschrumpfte AI

Googles AI-Modell BERT bricht Rekorde beim Leseverständnis. Und verbraucht mit seinen 340 Millionen Datenparametern in einer Trainingsrunde so viel Energie wie ein amerikanischer Durchschnittshaushalt in 50 Tagen. Sogar getoppt wurde BERT zuletzt durch Nvidias MegatronLM, ein Modell mit 8,3 Milliarden Datenparametern. Diese Riesenmodelle werden energie- und kostentechnisch zunehmend als No-Go betrachtet.

Die Devise lautet also: AI-Modelle entwickeln, die energieeffizienter und damit auch günstiger sind. Huawei und interessanterweise Google selbst präsentierten kürzlich entsprechend Publikationen. Beide wollen die Modelle schrumpfen, indem sie die Technik der sogenannten „Knowledge Distillation” nutzen.


aiPolicy: Politik & Rahmenbedingungen

Frankreich im Zwiespalt zwischen Gesichtserkennung und Datenschutz

Die französische Regierung will ihren Bürgern mithilfe automatisierter Gesichtserkennung sichere digitale Identitäten geben. Das System „Alicem” soll bereits im November ausgerollt werden. Doch der oberste Datenschützer des Landes warnt vor Verstößen gegen europäische Datenschutzregeln. Bürger klagen gegen das System vor dem höchsten Gericht des Landes. Wird es eine gemeinsame Lösung geben?

Mehr zu automatisierter, AI-gestützter Gesichtserkennung im folgenden Video:

Der Bloomberg Quick Take erläutert Potenziale und Gefahren automatisierter Gesichtserkennung.

aiDeepDive: Vertiefung zum Wochenende

Sind unsere Städte bereit für Artificial Intelligence?

Die Beratung Oliver Wyman hat untersucht, wie gut Städte weltweit auf die Ausbreitung von Artificial Intelligence vorbereitet sind. Fazit: Keine Stadt scheint die Herausforderungen wirklich vollständig im Griff zu haben. Doch über verschiedene Kriterien hinweg haben diese vier Städte (jeweils in ihrer Größenkategorie) am besten abgeschnitten: London, Singapur, San Francisco und Stockholm. Wie wurde eure Stadt gerankt? Findet es heraus!

https://www.oliverwymanforum.com/city-readiness/global-cities-ai-readiness-index-2019/index-summary.html
Städte müssen sich besser auf die Herausforderungen von AI vorbereiten (Bild: Oliver Wyman).

 

Mit Technologie gegen Deepfakes?

Mithilfe von AI-Tools gefälschte Videos könnten gravierende Auswirkungen haben, gerade auch auf politische Ereignisse wie die US-Präsidentschaftswahlen 2020. Sowohl Facebook und Co. als auch staatliche Akteure arbeiten an technischen Lösungen für das Problem. Angela Chen weist in ihrem Artikel aber darauf hin, dass selbst der beste technische „Deepfake-Finder” das Problem nicht wirklich lösen kann.


aiTaillight: Ein FunFact zum Schluss

Ada lebt

Naja, nicht ganz. Ada Lovelace, bekannt als erste Programmiererin der Welt, ist schon eine Weile nicht mehr unter uns. Doch ihr Name wird in der Digitalszene gerne genutzt. Ada heißt zum Beispiel ein aktuelles Kunstprojekt bei Microsoft in Redmond, Washington, bei dem ein AI-gestütztes System „den Raum liest” und mit den Besuchern interagiert.

microsoft-ada-ai-art
Gespeist von Sensoren und anderen „Sinnesorganen” im ganzen Raum kann das Kunstwerk Ada in Echtzeit abbilden, was im Raum vor sich geht (Foto: John Brecher für Microsoft).


Wir freuen uns immer über Anregungen und Feedback zum aiLetter: feedback@ailetter.de


Abonniere jetzt den aiLetter!

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?


Abonniere jetzt den aiLetter!

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