Mouser German Blog

Künstliche Intelligenz (KI) kann Menschen mit körperlichen Einschränkungen wie z. B. Sehbehinderungen, Sprachbehinderungen oder fehlenden bzw. beschädigten Gliedmaßen unterstützen und ihnen zum Teil völlig neue Möglichkeiten eröffnen. Allerdings gibt es noch einige Probleme und Herausforderungen auf dem Weg dahin, mehr Menschen davon profitieren zu lassen.

Die künstliche Intelligenz kann verwendet werden, um eine in allen Bereichen smarte Stadt mit einem smarten Verkehrssystem, einer nachhaltigen Stadtentwicklung und einem E-Government-System mit intelligenten Wohnvierteln aufzubauen. Dieser Artikel zeigt konkrete Beispiele von Anwendungen künstlicher Intelligenz in einer smarten Stadt auf. Die Stadtverwaltung muss ihr Planungsdenken ändern, um den „Bottom-up“-Aufbau smarter Städte zu fördern. Die smarte Stadt wird in vielerlei Hinsicht wirtschaftliche und soziale Veränderungen bewirken.

Ist Ihnen aufgefallen, dass Recommendation Engines nicht wirklich smart sind? Rotten Tomatoes macht eine großartige Arbeit, wenn es darum geht, Ihnen mitzuteilen, was Kritiker und Publikum denken, aber ein Film mit einer Bewertung von 90+ ist nicht zwangsläufig mein Fall. Und man kann einen Film mit einer Bewertung unter 30 Punkten durchaus unterhaltsam finden. Könnte KI die Chancen verbessern? Sehen wir uns dieses einfache Designsystem für KI-basierte Recommendation Engines an.

Reinforcement Learning treibt Fortschritte in autonomen Fahrzeugen und anderen hochmodernen Anwendungen der künstlichen Intelligenz voran. Ein Blick auf Reinforcement Learning sowie seine Untergenres Feature Learning, Künstliche Neuronale Netze und Deep Learning zeigt sowohl neues Potenzial für KI-Anwendungen als auch Herausforderungen beim Erreichen künstlicher Intelligenz auf menschlichem Niveau.

Das 5G-Netz ist der Trendsetter für ein Zeitalter des Internets aller Dinge, wobei die Kommunikation zwischen den Geräten eine große Menge von Cloud-Daten generiert. Dabei ist die künstliche Intelligenz die Basis für das Internet der Dinge, und die künstliche Intelligenz ist auf enorm große Datenmengen angewiesen. Daneben machen es die hohe Geschwindigkeit des 5G-Netzes und seine geringen Latenzzeiten extrem einfach, künstliche Intelligenz auf Basisstationen einzusetzen, und es erlaubt zudem eine erhebliche Steigerung der Leistung und der Genauigkeit. In diesem Artikel wird anhand von unterschiedlichen Anwendungsbeispielen erläutert, inwieweit das 5G-Netz dem Bereich der künstlichen Intelligenz starken Auftrieb geben kann.

Künstliche Intelligenz, maschinelles Lernen und Algorithmen sind Begriffe, die oft vertauscht verwendet werden. Aber das sollten sie nicht. Lassen Sie uns einen Blick auf die Unterschiede werfen, warum diese Begriffe geschaffen wurden und wie und wann sie verwendet werden.

Dank der Fortschritte bei Sensortechnologie und künstlicher Intelligenz ersetzen objektive Tests, Messungen und Interpretationen die subjektiven Einschätzungen der Vergangenheit. Gleichzeitig ermöglichen sie ein realitätsnäheres Testen außerhalb der Arztpraxen und verzahnen Patientendaten mit dem aktuellen Forschungsstand.

Von Kunden bereitgestellte Daten aus Social-Media-Beiträgen, Bewertungen usw. bieten ein Füllhorn von Erkenntnissen, die die Geschäfts- und Produktentwicklung steuern können. Die Sentimentanalyse in der künstlichen Intelligenz hilft Maschinen, diese unstrukturierten Daten zu verstehen und Meinungen als positiv, negativ oder neutral zu interpretieren.

Die zukünftige KI-gestützte Entwicklung wird sich in jeder Phase des Entwicklungsprozesses auf Sicherheit und Risikomanagement konzentrieren. Ingenieure benötigen KI-Sicherheitsstandards und müssen die Sicherheit im Designprozess, in den Anwendungsfällen und bei der Schwachstellenbewertung berücksichtigen.

Durch Einbettung von Sprachsteuerungstechnologie in Haushaltsgeräte werden verbale Befehle gegeben, deren Bedeutung das System anhand von Modellen analysiert, um die Absicht des Benutzers zu erkennen und entsprechend zu antworten. In diesem Beitrag dient ein smartes, sprachgesteuertes Hygrometer mit Cloud-Anbindung zur Demonstration der technischen Details von Spracherzeugung und -verarbeitung. Als Cloud-Architektur wurde die Microsoft-Azure-Cloud-Plattform gewählt, die in den letzten Jahren in den Bereichen KI & IoT große Entwicklungen und Innovationen erfahren hat.

Rafik Mitry von Mouser Electronics im Interview mit Professor Alois Knoll

Je intelligenter eine Maschine ist, desto weniger Menschen sind in der Lage, ihre Auswirkungen vorherzusagen, zu erklären und zu verstehen. Erfahren Sie, wie sich diese Aspekte auf unsere Möglichkeiten auswirken, hundertprozentige KI-Sicherheit zu erreichen.

KI in modernen Spielen hat das Ziel, so vielen Spielern wie möglich eine lohnende Erfahrung zu bieten, um die Lebensdauer eines Spiels zu maximieren. Fortschritte bei der Hardware und Cloud-Gaming-Diensten bieten dabei immer mehr Möglichkeiten für diese sogenannte Hyperpersonalisierung.

Dieser Artikel gibt eine Einführung in intelligente Sicherheitssysteme wie sie in Smart Communities zum Einsatz kommen. Er beschreibt die Prinzipien und die Anwendung von Algorithmen zur Erkennung von Gesichtern, Handlungen und Personen. Neben dem aktuellen Stand intelligenter Erkennungstechnologien geht er auf deren technische Hürden ein und gibt einen Ausblick auf die künftige Entwicklung.

Als sich der Schwerpunkt der KI auf künstliche neuronale Netze verlagerte, folgten schon bald Hardwarebeschleuniger sowohl für stromfressende Server als auch für stromsparende embedded Systeme. Mittlerweile gibt es sogar benutzerdefinierte Hardware, was die Beliebtheit und Stärke des Deep Learning verdeutlicht.

Können wir für KI-Systeme ein menschliches situatives Bewusstsein entwickeln? Fortschritte im Bereich der neuronalen Netze zeigen uns sowohl Möglichkeiten als auch Grenzen auf.

Dieser Artikel gibt eine Einführung in die wichtigsten Merkmale von Industrie 4.0 und beschreibt praxisnah typische Szenarien dieser Entwicklung in Produktion und Alltag. Maschinelles Lernen und Big Data bilden den Kern der Technologien, auf denen Industrie 4.0 aufbaut. Sie haben damit eine Schlüsselfunktion für deren künftige Entwicklung. Durch die zukünftige Verknüpfung von Industrialisierung und Digitalisierung bietet Industrie 4.0 großen Konzernen ebenso wie kleinen und mittelständischen Unternehmen dabei unterschiedliche Chancen und Herausforderungen.

Mit dem Aufkommen der Künstlichen Intelligenz sind auch Programmiersprachen entstanden, die sich seither stetig weiterentwickeln, um den wachsenden Anforderungen von KI-Anwendungen nachzukommen. Mit der Weiterentwicklung der KI-Algorithmen haben sich sowohl diese Sprachen verbessert, um neue statistische Methoden unterstützen zu können, als auch die Toolkits, mit denen die Machine-Learning-Fähigkeiten der Sprachen erweitert werden.

Dank Fortschritten im Bereich des maschinellen Lernens und der Prozessortechnologie ist es möglich, die KI von den großen Datenzentren weg und deutlich näher an ihren Anwendungsort zu verlagern, also an die Network Edge. In diesem Blog erkunden wir, welche neuen Anwendungsfälle der KI dieser Ansatz ermöglicht.

Die Welt entwickelt sich stetig weiter – und mit ihr auch das Gesundheitswesen. Die Zukunft des Gesundheitssektors wird von Künstlicher Intelligenz bestimmt: von Anwendungen im Bereich Televisite über Krebsfrüherkennung bis hin zu Roboter-assistierten Operationssystemen. Es ist davon auszugehen, dass die KI im Gesundheitswesen zunehmend Verbreitung findet – und das vielleicht schon eher als erwartet.

Die Künstliche Intelligenz (KI) steht kurz vor einem neuen Durchbruch, bei dem Maschinen nicht länger nur Instrumente sein werden, die sich der Mensch zunutze macht. Vielmehr werden sie sich zu intelligenten, autonom Handelnden entwickeln, die sich eigene Ziele setzen, entscheiden, was und wie sie lernen wollen, und vieles mehr. Hochintelligente Systeme verfügen über das Potenzial, die Welt auf ähnliche Weise zu verändern, wie industrielle Revolutionen in der Vergangenheit. Es geht nicht um die Frage, ob intelligente Systeme unser Leben auch künftig verändern werden – die Frage ist vielmehr, auf welche Weise und in welchem Umfang sie dies tun werden.

Maschinelles Lernen ist typischerweise prozessorintensiv; ML-Algorithmen erfordern eine große Anzahl paralleler Operationen. Dementsprechend laufen die Modelle in der Regel in Datenzentren im Core des Netzwerks. Dies hat jedoch direkte Auswirkungen auf Latenz, Sicherheit und Kosten. In diesem Blog erkunden wir, warum sich AI an die Network Edge bewegt, und wir schauen uns die Technologie an, die dies ermöglicht.

Egal wie tief man in die Technologie zur Fahrzeugerkennung einsteigen will, ist es lohnenswert, die Technologie in ihrer Breite zu erkunden. Dieser Artikel nimmt den Leser mit auf eine Entdeckungsreise. Er verwendet eine fachliche, aber leicht verständliche Sprache, um Computerprogramme zur Fahrzeugerkennung vorzustellen, einschließlich den Merkmalsalgorithmen und -prozessen und Klassifizierungsalgorithmen und -prozessen von Histogram of oriented gradients (HOG) und Support Vector Machine (SVM).

Prognosen zufolge sollen die weltweiten Ausgaben für KI-Systeme bis zum Jahr 2023 auf 97,9 Mrd. US-Dollar steigen. KI-Experten sollten ihre Augen daher für neue Trends offen halten, damit sie ihre Kompetenzen ausweiten und von der kommenden Innovationswelle profitieren können. In diesem Beitrag schauen wir uns drei neue Trends an, die man kennen sollte.

Wenn man sich die derzeitige Technologieentwicklung ansieht, welche Geschäftsbereiche werden Ihrer Meinung nach in den kommenden fünf Jahren am ehesten umfassend auf Künstliche Intelligenz (KI) setzen? Um das herauszufinden, muss man sich mit den Themen Geld und Daten beschäftigen. Unternehmen setzen die Künstliche Intelligenz normalerweise zur Effizienzsteigerung ein, entweder, um den Umsatz zu steigern oder die Kosten zu senken.