Human in the Loop: der Mensch in der Maschine

Der Mensch in der Maschine – ein Schlagwort, das aus Science-Fiction-Romanen des frühen 20. Jahrhunderts bekannt ist. Worum es bei diesem Begriff im 21. Jahrhundert geht, ist klar: Es geht um Künstliche Intelligenz. Die Entwicklung und das Training von KI erfordern an vielen Stellen das Eingreifen natürlicher Intelligenz: Human in the Loop. In dieser Schleife agiert der Mensch ähnlich wie ein Lehrer.

Die neue Google-Suche: MUM

MUM – diese drei Buchstaben stehen für Multitask Unified Model. MUM ist der neue Google Algorithmus zur Erfassung von Suchanfragen. Was steckt dahinter? Was ändert sich bei der Google Suche? Und welche Auswirkungen wird MUM auf die Suchmaschinenoptimierung und das Online-Marketing haben?

Wie man die ML-Entwicklung mit vortrainierten Datenmodellen beschleunigt

Die jüngsten Fortschritte im Bereich der künstlichen Intelligenz (KI) wie autonome Systeme, Computer Vision, natürliche Sprachverarbeitung (NLP) und prädiktive Analysen werden alle durch maschinelles Lernen (ML) durchgeführt. In diesen Szenarien hilft ML dabei, Daten in der Wertschöpfungskette von der Informationsebene auf die Wissensebene zu bringen.

Die meisten intelligenten Systeme, mit denen Sie heute zu tun haben, wurden wahrscheinlich mit Hilfe des überwachten Lernens entwickelt. Beim überwachten Lernen geht es darum, ML-Modelle von Grund auf zu erstellen. Dieser Ansatz ist jedoch nicht immer der beste. Viele KI- und ML-Projekte scheitern an fehlenden Ressourcen und natürlich an einem Mangel von nützlichen KI-Trainingsdatensätzen.

Überwachtes Lernen erfordert viel Zeit, Geld und erheblichen menschlichen Einsatz, damit es funktioniert. Deshalb ist es für Unternehmen wichtig, praktikable Alternativen zum überwachten Lernen zu finden. Während es viele Jahre lang keine Möglichkeit gab, dieses Problem zu umgehen, haben ML-Ingenieure kürzlich neue Wege zur Optimierung von ML-Modellen gefunden.

Die begehrtesten Jobs im Online-Marketing

Das Internet ist heute so selbstverständlich wie nie zuvor – bedenkt man, dass Google gerade etwas mehr als 20 Jahre alt ist eine bemerkenswerte Entwicklung. Auch die Millionen Jobs, die rund um das Internet entstanden sind, tragen dessen Bedeutung in die Gesellschaft. Besonders das Online-Marketing spielt bei der Entwicklung des Webs eine wichtige Rolle und durch die immer weiter steigende Vernetzung ist das Potential für eine Karriere im Online-Marketing groß. Aber welche Jobs sind besonders begehrt? Und welche sind es in Zukunft? Wie bereitet man eine Karriere im Online-Marketing vor und welche Inhalte begegnen einem?

Die 5 häufigsten Fehler bei Trainingsdaten und wie man sie vermeidet

Bei der herkömmlichen Softwareentwicklung ist der Code der wichtigste Teil des Computerprogramms. Im Gegensatz dazu sind bei der Entwicklung von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) die KI-Trainingsdaten entscheidend. Das liegt daran, dass KI-Trainingsdatenmodelle komplexe und mehrstufige Prozessschritte umfassen, die intelligente Algorithmen erlernen müssen, um Aufgaben erfolgreich durchzuführen.

In diesem Szenario kann ein kleiner Fehler, den Sie heute beim Training machen, dazu führen, dass Ihr Datenmodell nicht mehr funktioniert. Das kann katastrophale Folgen haben, wenn man sich die Anwendungsbereiche genauer betrachtet – zum Beispiel schlechte Entscheidungen im Gesundheitswesen, im Finanzwesen und natürlich bei selbstfahrenden Autos.

Auf welche Fehler bei den Trainingsdaten sollte man also achten, und welche Schritte können Sie unternehmen, um sie zu vermeiden? Schauen wir uns die fünf gravierendsten Datenfehler an und wie wir sie vermeiden können.