Das Zeitalter der Künstlichen Intelligenz birgt viele Versprechen. Für viele von uns aber auch berechtigte Ängste. Wir bei MORESOPHY sind überzeugt, dass Künstliche Intelligenz nur dann sinnvoll und im Sinne des Menschen eingesetzt werden kann, wenn Menschen das Wirken der Künstlichen Intelligenz verstehen. Und zwar nicht nur absolute Fachexperten oder Data-Scientists: sondern die Menschen, die wichtige Entscheidungen verantworten und sich auf Intelligenz in Ihrem Umfeld – egal ob Menschen oder Maschinen – verlassen müssen.

In diesem Blog berichten wir über unsere Erfahrungen im Umgang mit Künstlicher Intelligenz. Ganz besonders mit der Stufe von Intelligenz, die uns Menschen wesentlich von anderen Lebewesen unterscheidet: der menschlichen Sprache. Nur wenn Computer Sprache verstehen wie wir Menschen es tun: situativ - im Kontext – und beständig erlernt aus Erfahrung, können wir ernsthaft davon sprechen, dass Computer Daten so verstehen wie wir Menschen.

Unsere neuesten Beiträge

Wie smart kann ein Suchschlitz sein? (Teil 1: Schreibweisen abdecken)

Suche ist allgegenwärtig und User sind durch das Sucherlebnis bei Google verwöhnt. Sie erwarten daher, dass auch andere Suchen entsprechend gut sind. Doch das ist einfacher gesagt als getan. Bereits im Erstkontakt – dem Verhalten des Suchschlitzes – spürt ein Nutzer, ob die Suchmaschine ihn versteht oder nicht. In unserer kleinen Artikelreihe stellen wir vor wie ein intelligenter Suchschlitz zur Nutzerzufriedenheit beiträgt – und was dafür im Hintergrund auf technischer Ebene erfolgen muss. In diesem ersten Teil beschreiben wir die Herausforderungen auf Ebene der unterschiedlichen Schreibweisen.

Weiterlesen

Überwachtes Lernen anschaulich erklärt

Im Allgemeinen unterscheidet man im Machine Learning zwischen vier verschiedenen Typen von Modellen: Dem überwachten Lernen (supervised Learning), dem unüberwachten Lernen (unsupervised Learning), dem teilüberwachten Lernen und dem Reinforcement Learning. Dieser Artikel soll Einsteigern oder Nicht-Technikern das überwachte Lernen anschaulich näherbringen.

Weiterlesen

Die IAB-Taxonomie

Vermutlich ist sie nur Insidern der Advertising-Industrie bekannt: die IAB-Taxonomie. Die Taxonomie ist das Ergebnis einer langjährigen Standardisierungsarbeit des Internal Advertising Bureau und verfolgt das Ziel, Inhalte des WWW einheitlich verschiedenen Klassen (Segmenten) zuzuordnen.

Weiterlesen

Intelligente Unternehmen brauchen kontrollierte Durchlässigkeit

Nichts ist mehr wie es mal war. Früher konnten Unternehmen über Jahrzehnte stabil ihr Geschäft betreiben. Auf eingefahrenen Gleisen, in vertrauten Geschäftsbeziehungen und mit Mitarbeitern, die von der Ausbildung bis zur Rente dem Unternehmen treu blieben. Stabilität war das vorherrschende Dogma, nicht Durchlässigkeit. In intelligenten Unternehmen ist das anders.

Weiterlesen

Machine Learning mit kundenspezifischen Daten

KI ist immer nur so gut, wie die Daten, die ihr zur Verfügung stehen. Für unterschiedliche Use-Cases benötigt man eine ausreichende Anzahl an Daten, um eine sehr gute Klassifikationsleistung zu erzielen. Oftmals geht es nicht nur um spezielle Domänen, bei denen man geringe Datenmengen durch Domain Adaptation oder Transfer Learning ausgleichen kann. Sondern darum, dass der Kunde eine ganz eigene Definition von Klassen benötigt. Machine Learning mit kundenspezifischen Daten ist hierbei der Schlüssel zum Erfolg.

Weiterlesen
Wird geladen

Über uns

Hier bloggt das MORESOPHY-Team zu Themen rund um Smart Data, Cognitive Computing und Künstlicher Intelligenz mit dem Fokus auf Natural Language Understanding und industrielle Nutzung von Technologien in verschiedenen Use-Cases.