AI

Bei der Qualitätssicherung gibt es eine Vielzahl von Anforderungen an Infrastruktur, Reporting, Tests und Automatisierung. Kommerzielle Software bietet häufig nur ein fixes Feature-Set, das sich gar nicht oder teuer modifizieren lässt. Mit einem Tool-Set aus starken Open-Source-Angeboten sind wir uns dagegen sicher, für jede Anforderung eine Lösung zu bieten. In diesem Artikel zeigen wir beispielh..

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..

Wir alle sehen und spüren jeden Tag, wie neue Technologien aus dem Boden sprießen und unser tägliches Leben unterstützen und bewusst oder unbewusst beeinflussen. Beispiele dafür sind Produkt- oder Filmempfehlungen basierend auf Verhaltensmustern homogener (Kunden-) Gruppen, die Sprachsteuerung von Geräten im Haushalt oder im Fahrzeug sowie virtuelle Assistenten, die uns bei Problemen jeglicher Art..

Maschinelles Lernen (Machine Learning, ML) bietet enormes Potenzial, wenn es darum geht, aus unüberschaubaren und großen Datenmengen komplexe Zusammenhänge herzustellen und damit unter anderem als Entscheidungshilfe bei gesellschaftlichen und wirtschaftlichen Fragestellungen zu unterstützen. Von Echtzeit-Versicherungsprämien und vorausschauender Wartung bis hin zur Erkennung eines Malaria-Ausbruch..

Künstliche Intelligenz ist in aller Munde. Was im Hype dieses Themas oft untergeht, ist eine nüchterne Betrachtung der theoretischen Machbarkeit: Was wird überhaupt jemals realisierbar sein, und wo setzt die Wissenschaft Obergrenzen? Anhand von einfachen, nachvollziehbaren Beispielen führt dieser Artikel den Grundbegriff der algorithmischen Komplexität ein und überträgt die daraus gewonnenen Konze..