Daran forscht die Weltspitze der Künstlichen Intelligenz



  • Künstliche Intelligenz (KI) und maschinelles Lernen entwickeln sich rasant weiter. An Universitäten und anderen Instituten werden fortwährend neue Algorithmen entwickelt. Einen Einblick in die vorderste Linie der KI-Forschung eröffnete der auf der AWS-Tagung re:Invent stattfindende AI Summit.

    Klicken sie hier um den Artikel zu lesen



  • Die Anwendung eines Vorhersagealgorithmus ist doch in den meisten Fällen nur die Endstufe einer Analyse. In vielen Fällen ist dies bereits heute ein Leichtes. Wesentlich zeitaufwendiger ist das vorausgehende Data Engineering, das ohne menschliche Fachwissen kaum zu bewerksteligen ist. Wie werden zeitliche und entitätsbezogene Information richtig aufbereitet und geeignet strukturiert . Hier vermisse ich smarte Leitlinien und intelligente Unterstützzungssysteme. Vor allem aber ist es wichtig bereits in den Data-Prepartion-Prozess - ggf. bereits an der Real-World-Schnittstelle - KI wie z.B. Verfahren der Dimenionreduktion mit einzubeziehen. Sequentielle Arbeitsmodelle wie Data Preparation > Modelling > Deployment sind völlig veraltet. Um auch Fachwissen von Anwendern mit einzubeziehen benötigen wir in Zukunft Systeme, die Augmented Work ermöglichen.     



  • Ich glaube in diesem Feld wird sich noch eingies Tun. Es bleibt ein stets interessantes Thema.



  • Obwohl der Text beim http://www.blablameter.de einen relativ guten Score bekommt... musst ich doch bei der Hälfte aufhören zu lesen.. Richtig neue Algorithmen sind mir seit Breimans Baum im Jahr 1997 nicht mehr untergekommen. Was hier beschrieben wird, sind Varianten / Verbesserungen von alt bekanntem... Reinforcment Learning ohne Neural Net (o.ä.) als Model ? Setzen, sechs. 
     



  • Das angesprochene Sequentielle Arbeitsmodell "Data Preparation > Modelling > Deployment" war doch schon immer ein Kreisprozess mit Einbindung des Fachwissens des Anwenders (Business Understanding / Data understanding). Stichwort CRISP-DM von 1996 ..


Log in to reply