Search (30 results, page 1 of 2)

  • × theme_ss:"Computerlinguistik"
  • × type_ss:"a"
  • × type_ss:"el"
  1. Rötzer, F.: KI-Programm besser als Menschen im Verständnis natürlicher Sprache (2018) 0.02 
    0.01655728 = product of:
  0.07947495 = sum of:
    0.016519273 = weight(_text_:und in 4217) [ClassicSimilarity], result of:
      0.016519273 = score(doc=4217,freq=24.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.33931053 = fieldWeight in 4217, product of:
          4.8989797 = tf(freq=24.0), with freq of:
            24.0 = termFreq=24.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.03125 = fieldNorm(doc=4217)
    0.025166549 = weight(_text_:fragen in 4217) [ClassicSimilarity], result of:
      0.025166549 = score(doc=4217,freq=2.0), product of:
        0.11184209 = queryWeight, product of:
          5.0915895 = idf(docFreq=738, maxDocs=44218)
          0.021966046 = queryNorm
        0.22501859 = fieldWeight in 4217, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.0915895 = idf(docFreq=738, maxDocs=44218)
          0.03125 = fieldNorm(doc=4217)
    0.015317665 = weight(_text_:der in 4217) [ClassicSimilarity], result of:
      0.015317665 = score(doc=4217,freq=20.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.3121784 = fieldWeight in 4217, product of:
          4.472136 = tf(freq=20.0), with freq of:
            20.0 = termFreq=20.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.03125 = fieldNorm(doc=4217)
    0.016519273 = weight(_text_:und in 4217) [ClassicSimilarity], result of:
      0.016519273 = score(doc=4217,freq=24.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.33931053 = fieldWeight in 4217, product of:
          4.8989797 = tf(freq=24.0), with freq of:
            24.0 = termFreq=24.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.03125 = fieldNorm(doc=4217)
    0.005952192 = product of:
      0.011904384 = sum of:
        0.011904384 = weight(_text_:22 in 4217) [ClassicSimilarity], result of:
          0.011904384 = score(doc=4217,freq=2.0), product of:
            0.07692135 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.021966046 = queryNorm
            0.15476047 = fieldWeight in 4217, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.03125 = fieldNorm(doc=4217)
      0.5 = coord(1/2)
  0.20833333 = coord(5/24)
    Abstract
    Jetzt scheint es allmählich ans Eingemachte zu gehen. Ein von der chinesischen Alibaba-Gruppe entwickelte KI-Programm konnte erstmals Menschen in der Beantwortung von Fragen und dem Verständnis von Text schlagen. Die chinesische Regierung will das Land führend in der Entwicklung von Künstlicher Intelligenz machen und hat dafür eine nationale Strategie aufgestellt. Dazu ernannte das Ministerium für Wissenschaft und Technik die Internetkonzerne Baidu, Alibaba und Tencent sowie iFlyTek zum ersten nationalen Team für die Entwicklung der KI-Technik der nächsten Generation. Baidu ist zuständig für die Entwicklung autonomer Fahrzeuge, Alibaba für die Entwicklung von Clouds für "city brains" (Smart Cities sollen sich an ihre Einwohner und ihre Umgebung anpassen), Tencent für die Enwicklung von Computervision für medizinische Anwendungen und iFlyTec für "Stimmenintelligenz". Die vier Konzerne sollen offene Plattformen herstellen, die auch andere Firmen und Start-ups verwenden können. Überdies wird bei Peking für eine Milliarde US-Dollar ein Technologiepark für die Entwicklung von KI gebaut. Dabei geht es selbstverständlich nicht nur um zivile Anwendungen, sondern auch militärische. Noch gibt es in den USA mehr KI-Firmen, aber China liegt bereits an zweiter Stelle. Das Pentagon ist beunruhigt. Offenbar kommt China rasch vorwärts. Ende 2017 stellte die KI-Firma iFlyTek, die zunächst auf Stimmerkennung und digitale Assistenten spezialisiert war, einen Roboter vor, der den schriftlichen Test der nationalen Medizinprüfung erfolgreich bestanden hatte. Der Roboter war nicht nur mit immensem Wissen aus 53 medizinischen Lehrbüchern, 2 Millionen medizinischen Aufzeichnungen und 400.000 medizinischen Texten und Berichten gefüttert worden, er soll von Medizinexperten klinische Erfahrungen und Falldiagnosen übernommen haben. Eingesetzt werden soll er, in China herrscht vor allem auf dem Land, Ärztemangel, als Helfer, der mit der automatischen Auswertung von Patientendaten eine erste Diagnose erstellt und ansonsten Ärzten mit Vorschlägen zur Seite stehen.
    Date
    22. 1.2018 11:32:44
  2. Rötzer, F.: Kann KI mit KI generierte Texte erkennen? (2019) 0.01 
    0.014316525 = product of:
  0.08589915 = sum of:
    0.016690461 = weight(_text_:und in 3977) [ClassicSimilarity], result of:
      0.016690461 = score(doc=3977,freq=8.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.34282678 = fieldWeight in 3977, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0546875 = fieldNorm(doc=3977)
    0.04404146 = weight(_text_:fragen in 3977) [ClassicSimilarity], result of:
      0.04404146 = score(doc=3977,freq=2.0), product of:
        0.11184209 = queryWeight, product of:
          5.0915895 = idf(docFreq=738, maxDocs=44218)
          0.021966046 = queryNorm
        0.39378253 = fieldWeight in 3977, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.0915895 = idf(docFreq=738, maxDocs=44218)
          0.0546875 = fieldNorm(doc=3977)
    0.008476774 = weight(_text_:der in 3977) [ClassicSimilarity], result of:
      0.008476774 = score(doc=3977,freq=2.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.17275909 = fieldWeight in 3977, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.0546875 = fieldNorm(doc=3977)
    0.016690461 = weight(_text_:und in 3977) [ClassicSimilarity], result of:
      0.016690461 = score(doc=3977,freq=8.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.34282678 = fieldWeight in 3977, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0546875 = fieldNorm(doc=3977)
  0.16666667 = coord(4/24)
    Abstract
    OpenAI hat einen Algorithmus zur Textgenerierung angeblich nicht vollständig veröffentlicht, weil er so gut sei und Missbrauch und Täuschung ermöglicht. Das u.a. von Elon Musk und Peter Thiel gegründete KI-Unternehmen OpenAI hatte im Februar erklärt, man habe den angeblich am weitesten fortgeschrittenen Algorithmus zur Sprachverarbeitung entwickelt. Der Algorithmus wurde lediglich anhand von 40 Gigabyte an Texten oder an 8 Millionen Webseiten trainiert, das nächste Wort in einem vorgegebenen Textausschnitt vorherzusagen. Damit könne man zusammenhängende, sinnvolle Texte erzeugen, die vielen Anforderungen genügen, zudem könne damit rudimentär Leseverständnis, Antworten auf Fragen, Zusammenfassungen und Übersetzungen erzeugt werden, ohne dies trainiert zu haben.
  3. Siepmann, D.: Auswirkungen von KI auf die Textproduktion in der Wissenschaft (2023) 0.01 
    0.014021634 = product of:
  0.0841298 = sum of:
    0.02064909 = weight(_text_:und in 1044) [ClassicSimilarity], result of:
      0.02064909 = score(doc=1044,freq=6.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.42413816 = fieldWeight in 1044, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.078125 = fieldNorm(doc=1044)
    0.01861227 = weight(_text_:des in 1044) [ClassicSimilarity], result of:
      0.01861227 = score(doc=1044,freq=2.0), product of:
        0.06083074 = queryWeight, product of:
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.021966046 = queryNorm
        0.30596817 = fieldWeight in 1044, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.078125 = fieldNorm(doc=1044)
    0.024219355 = weight(_text_:der in 1044) [ClassicSimilarity], result of:
      0.024219355 = score(doc=1044,freq=8.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.4935974 = fieldWeight in 1044, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.078125 = fieldNorm(doc=1044)
    0.02064909 = weight(_text_:und in 1044) [ClassicSimilarity], result of:
      0.02064909 = score(doc=1044,freq=6.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.42413816 = fieldWeight in 1044, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.078125 = fieldNorm(doc=1044)
  0.16666667 = coord(4/24)
    Abstract
    KI-Tools können in allen Phasen des wissenschaftlichen Schreibens helfen, auch bei mehrsprachigen Texten. Über Fähigkeiten und Grenzen der KI. Mit einem Vergleich der Leistungen verschiedener Programme anhand eines Spektrums von Kriterien, die unterschiedliche Spitzenpositionen ermöglichen.
    Source
    Forschung und Lehre [https://www.forschung-und-lehre.de/zeitfragen/welche-auswirkungen-kis-auf-die-textproduktion-in-der-wissenschaft-haben-5740]
  4. Weßels, D.: ChatGPT - ein Meilenstein der KI-Entwicklung (2023) 0.01 
    0.011112524 = product of:
  0.06667514 = sum of:
    0.011921758 = weight(_text_:und in 1051) [ClassicSimilarity], result of:
      0.011921758 = score(doc=1051,freq=2.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.24487628 = fieldWeight in 1051, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.078125 = fieldNorm(doc=1051)
    0.01861227 = weight(_text_:des in 1051) [ClassicSimilarity], result of:
      0.01861227 = score(doc=1051,freq=2.0), product of:
        0.06083074 = queryWeight, product of:
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.021966046 = queryNorm
        0.30596817 = fieldWeight in 1051, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.078125 = fieldNorm(doc=1051)
    0.024219355 = weight(_text_:der in 1051) [ClassicSimilarity], result of:
      0.024219355 = score(doc=1051,freq=8.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.4935974 = fieldWeight in 1051, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.078125 = fieldNorm(doc=1051)
    0.011921758 = weight(_text_:und in 1051) [ClassicSimilarity], result of:
      0.011921758 = score(doc=1051,freq=2.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.24487628 = fieldWeight in 1051, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.078125 = fieldNorm(doc=1051)
  0.16666667 = coord(4/24)
    Abstract
    Im November wurde der Chatbot ChatGPT veröffentlicht. Die Sprach-KI verändert die Arbeit von Lehrenden und Lernenden. Eine Zeitenwende in der Bildung?
    Content
    Wiederabdruck des Beitrags aus: Forschung & Lehre vom 20.12.2022. Vgl.: DOI 10.1515/dmvm-2023-0007.
    Source
    Mitteilungen der Deutschen Mathematiker-Vereinigung. 2023, H.1, S.17-19
  5. Weßels, D.: ChatGPT - ein Meilenstein der KI-Entwicklung (2022) 0.01 
    0.010931836 = product of:
  0.065591015 = sum of:
    0.018469108 = weight(_text_:und in 929) [ClassicSimilarity], result of:
      0.018469108 = score(doc=929,freq=30.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.3793607 = fieldWeight in 929, product of:
          5.477226 = tf(freq=30.0), with freq of:
            30.0 = termFreq=30.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.03125 = fieldNorm(doc=929)
    0.010528689 = weight(_text_:des in 929) [ClassicSimilarity], result of:
      0.010528689 = score(doc=929,freq=4.0), product of:
        0.06083074 = queryWeight, product of:
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.021966046 = queryNorm
        0.17308173 = fieldWeight in 929, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.03125 = fieldNorm(doc=929)
    0.018124105 = weight(_text_:der in 929) [ClassicSimilarity], result of:
      0.018124105 = score(doc=929,freq=28.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.36937445 = fieldWeight in 929, product of:
          5.2915025 = tf(freq=28.0), with freq of:
            28.0 = termFreq=28.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.03125 = fieldNorm(doc=929)
    0.018469108 = weight(_text_:und in 929) [ClassicSimilarity], result of:
      0.018469108 = score(doc=929,freq=30.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.3793607 = fieldWeight in 929, product of:
          5.477226 = tf(freq=30.0), with freq of:
            30.0 = termFreq=30.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.03125 = fieldNorm(doc=929)
  0.16666667 = coord(4/24)
    Abstract
    Im November wurde der Chatbot ChatGPT veröffentlicht. Die Sprach-KI verändert die Arbeit von Lehrenden und Lernenden. Eine Zeitenwende in der Bildung?
    Content
    "Seit dem 30. November 2022 ist meine Welt - und die vieler Bildungsexpertinnen und Bildungsexperten - gefühlt eine andere Welt, die uns in eine "Neuzeit" führt, von der wir noch nicht wissen, ob wir sie lieben oder fürchten sollen. Der Ableger und Prototyp ChatGPT des derzeit (zumindest in der westlichen Welt) führenden generativen KI-Sprachmodells GPT-3 von OpenAI wurde am 30. November veröffentlicht und ist seit dieser Zeit für jeden frei zugänglich und kostenlos. Was zunächst als unspektakuläre Ankündigung von OpenAI anmutete, nämlich das seit 2020 bereits verfügbare KI-Sprachmodell GPT-3 nun in leicht modifizierter Version (GPT-3,5) als Chat-Variante für die Echtzeit-Kommunikation bereitzustellen, entpuppt sich in der Anwendung - aus Sicht der Nutzerinnen und Nutzer - als Meilenstein der KI-Entwicklung. Fakt ist, dass die Leistungsvielfalt und -stärke von ChatGPT selbst IT-Expertinnen und -Experten überrascht hat und sie zu einer Fülle von Superlativen in der Bewertung veranlasst, jedoch immer in Kombination mit Hinweisen zur fehlenden Faktentreue und Verlässlichkeit derartiger generativer KI-Modelle. Mit WebGPT von OpenAI steht aber bereits ein Forschungsprototyp bereit, der mit integrierter Internetsuchfunktion die "Halluzinationen" aktueller GPT-Varianten ausmerzen könnte. Für den Bildungssektor stellt sich die Frage, wie sich das Lehren und Lernen an Hochschulen (und nicht nur dort) verändern wird, wenn derartige KI-Werkzeuge omnipräsent sind und mit ihrer Hilfe nicht nur die Hausarbeit "per Knopfdruck" erstellt werden kann. Beeindruckend ist zudem die fachliche Bandbreite von ChatGPT, siehe den Tweet von @davidtsong, der ChatGPT dem Studierfähigkeitstest SAT unterzogen hat."
    Vgl. auch den Abdruck des Beitrages in: Mitteilungen der Deutschen Mathematiker-Vereinigung. 2023, H.1, S.17-19. Vgl. auch ihr Video bei Youtube: https://www.youtube.com/watch?v=cMuBo_rH15c.
    Source
    https://www.forschung-und-lehre.de/lehre/chatgpt-ein-meilenstein-der-ki-entwicklung-5271
  6. Szöke, D.: ChatGPT : wie Sie die KI ausprobieren können (2022) 0.01 
    0.010409478 = product of:
  0.062456865 = sum of:
    0.017521333 = weight(_text_:und in 834) [ClassicSimilarity], result of:
      0.017521333 = score(doc=834,freq=12.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.35989314 = fieldWeight in 834, product of:
          3.4641016 = tf(freq=12.0), with freq of:
            12.0 = termFreq=12.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.046875 = fieldNorm(doc=834)
    0.011167361 = weight(_text_:des in 834) [ClassicSimilarity], result of:
      0.011167361 = score(doc=834,freq=2.0), product of:
        0.06083074 = queryWeight, product of:
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.021966046 = queryNorm
        0.18358089 = fieldWeight in 834, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.046875 = fieldNorm(doc=834)
    0.016246837 = weight(_text_:der in 834) [ClassicSimilarity], result of:
      0.016246837 = score(doc=834,freq=10.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.3311152 = fieldWeight in 834, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.046875 = fieldNorm(doc=834)
    0.017521333 = weight(_text_:und in 834) [ClassicSimilarity], result of:
      0.017521333 = score(doc=834,freq=12.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.35989314 = fieldWeight in 834, product of:
          3.4641016 = tf(freq=12.0), with freq of:
            12.0 = termFreq=12.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.046875 = fieldNorm(doc=834)
  0.16666667 = coord(4/24)
    Abstract
    Wo Sie sich anmelden können, wie Sie mit der künstlichen Intelligenz interagieren können und worauf Sie achten sollten.
    Content
    ChatGPT ist ein KI-Chatbot, der menschliche Texteingaben verstehen und möglichst natürlich antworten soll - und für ziemlich viel Begeisterung im Netz sorgt. Jeder kann mit der "künstlichen Intelligenz" einen Dialog führen oder sie um passenden Code oder ein paar launig klingende Gedichtzeilen bitten. Ausprobieren können Sie das kostenlos - wir zeigen Ihnen, wie das geht. Account einrichten ChatGPT wird auf der OpenAI-Website angeboten - allerdings nur für registrierte Nutzer. Um einen OpenAI-Account zu erstellen, muss man eine E-Mail-Adresse und eine Handynummer angeben, gegebenenfalls müssen Sie noch ein Captcha lösen. Die E-Mail-Adresse noreply@tm.openai.com sendet einen Verifizierungslink, welcher Sie zurück zur Website und zum nächsten Schritt führt. Nach der Auswahl des Benutzernamens müssen Sie nur noch den Nutzungsbedingungen zustimmen und eine Verifizierung über die Handynummer vornehmen. Letztere passiert über das Zusenden eines sechsstelligen Bestätigungs-Codes.
  7. Baierer, K.; Zumstein, P.: Verbesserung der OCR in digitalen Sammlungen von Bibliotheken (2016) 0.01 
    0.0101301 = product of:
  0.0607806 = sum of:
    0.008366567 = product of:
      0.0250997 = sum of:
        0.0250997 = weight(_text_:p in 2818) [ClassicSimilarity], result of:
          0.0250997 = score(doc=2818,freq=2.0), product of:
            0.078979194 = queryWeight, product of:
              3.5955126 = idf(docFreq=3298, maxDocs=44218)
              0.021966046 = queryNorm
            0.31780142 = fieldWeight in 2818, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5955126 = idf(docFreq=3298, maxDocs=44218)
              0.0625 = fieldNorm(doc=2818)
      0.33333334 = coord(1/3)
    0.016519273 = weight(_text_:und in 2818) [ClassicSimilarity], result of:
      0.016519273 = score(doc=2818,freq=6.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.33931053 = fieldWeight in 2818, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0625 = fieldNorm(doc=2818)
    0.019375484 = weight(_text_:der in 2818) [ClassicSimilarity], result of:
      0.019375484 = score(doc=2818,freq=8.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.3948779 = fieldWeight in 2818, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.0625 = fieldNorm(doc=2818)
    0.016519273 = weight(_text_:und in 2818) [ClassicSimilarity], result of:
      0.016519273 = score(doc=2818,freq=6.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.33931053 = fieldWeight in 2818, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0625 = fieldNorm(doc=2818)
  0.16666667 = coord(4/24)
    Abstract
    Möglichkeiten zur Verbesserung der automatischen Texterkennung (OCR) in digitalen Sammlungen insbesondere durch computerlinguistische Methoden werden beschrieben und bisherige PostOCR-Verfahren analysiert. Im Gegensatz zu diesen Möglichkeiten aus der Forschung oder aus einzelnen Projekten unterscheidet sich die momentane Anwendung von OCR in der Bibliothekspraxis wesentlich und nutzt das Potential nur teilweise aus.
    Content
    Beitrag in einem Themenschwerpunkt 'Computerlinguistik und Bibliotheken'. Vgl.: http://0277.ch/ojs/index.php/cdrs_0277/article/view/155/353.
  8. Franke-Maier, M.: Computerlinguistik und Bibliotheken : Editorial (2016) 0.01 
    0.009768407 = product of:
  0.05861044 = sum of:
    0.017882636 = weight(_text_:und in 3206) [ClassicSimilarity], result of:
      0.017882636 = score(doc=3206,freq=18.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.3673144 = fieldWeight in 3206, product of:
          4.2426405 = tf(freq=18.0), with freq of:
            18.0 = termFreq=18.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0390625 = fieldNorm(doc=3206)
    0.009306135 = weight(_text_:des in 3206) [ClassicSimilarity], result of:
      0.009306135 = score(doc=3206,freq=2.0), product of:
        0.06083074 = queryWeight, product of:
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.021966046 = queryNorm
        0.15298408 = fieldWeight in 3206, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.0390625 = fieldNorm(doc=3206)
    0.013539031 = weight(_text_:der in 3206) [ClassicSimilarity], result of:
      0.013539031 = score(doc=3206,freq=10.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.27592933 = fieldWeight in 3206, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.0390625 = fieldNorm(doc=3206)
    0.017882636 = weight(_text_:und in 3206) [ClassicSimilarity], result of:
      0.017882636 = score(doc=3206,freq=18.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.3673144 = fieldWeight in 3206, product of:
          4.2426405 = tf(freq=18.0), with freq of:
            18.0 = termFreq=18.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0390625 = fieldNorm(doc=3206)
  0.16666667 = coord(4/24)
    Abstract
    Vor 50 Jahren, im Februar 1966, wies Floyd M. Cammack auf den Zusammenhang von "Linguistics and Libraries" hin. Er ging dabei von dem Eintrag für "Linguistics" in den Library of Congress Subject Headings (LCSH) von 1957 aus, der als Verweis "See Language and Languages; Philology; Philology, Comparative" enthielt. Acht Jahre später kamen unter dem Schlagwort "Language and Languages" Ergänzungen wie "language data processing", "automatic indexing", "machine translation" und "psycholinguistics" hinzu. Für Cammack zeigt sich hier ein Netz komplexer Wechselbeziehungen, die unter dem Begriff "Linguistics" zusammengefasst werden sollten. Dieses System habe wichtigen Einfluss auf alle, die mit dem Sammeln, Organisieren, Speichern und Wiederauffinden von Informationen befasst seien. (Cammack 1966:73). Hier liegt - im übertragenen Sinne - ein Heft vor Ihnen, in dem es um computerlinguistische Verfahren in Bibliotheken geht. Letztlich geht es um eine Versachlichung der Diskussion, um den Stellenwert der Inhaltserschliessung und die Rekalibrierung ihrer Wertschätzung in Zeiten von Mega-Indizes und Big Data. Der derzeitige Widerspruch zwischen dem Wunsch nach relevanter Treffermenge in Rechercheoberflächen vs. der Erfahrung des Relevanz-Rankings ist zu lösen. Explizit auch die Frage, wie oft wir von letzterem enttäuscht wurden und was zu tun ist, um das Verhältnis von recall und precision wieder in ein angebrachtes Gleichgewicht zu bringen. Unsere Nutzerinnen und Nutzer werden es uns danken.
    Content
    Editorial zu einem Themenschwerpunkt 'Computerlinguistik und Bibliotheken'. Vgl-: http://0277.ch/ojs/index.php/cdrs_0277/article/view/159/349.
  9. Holland, M.: Erstes wissenschaftliches Buch eines Algorithmus' veröffentlicht (2019) 0.01 
    0.009451881 = product of:
  0.056711286 = sum of:
    0.011801938 = weight(_text_:und in 5227) [ClassicSimilarity], result of:
      0.011801938 = score(doc=5227,freq=4.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.24241515 = fieldWeight in 5227, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0546875 = fieldNorm(doc=5227)
    0.018425206 = weight(_text_:des in 5227) [ClassicSimilarity], result of:
      0.018425206 = score(doc=5227,freq=4.0), product of:
        0.06083074 = queryWeight, product of:
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.021966046 = queryNorm
        0.302893 = fieldWeight in 5227, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.0546875 = fieldNorm(doc=5227)
    0.014682204 = weight(_text_:der in 5227) [ClassicSimilarity], result of:
      0.014682204 = score(doc=5227,freq=6.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.29922754 = fieldWeight in 5227, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.0546875 = fieldNorm(doc=5227)
    0.011801938 = weight(_text_:und in 5227) [ClassicSimilarity], result of:
      0.011801938 = score(doc=5227,freq=4.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.24241515 = fieldWeight in 5227, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0546875 = fieldNorm(doc=5227)
  0.16666667 = coord(4/24)
    Abstract
    Der Wissenschaftsverlag Springer Nature hat nach eigenen Angaben das erste Buch veröffentlicht, das von einem Algorithmus verfasst wurde. Bei Springer Nature ist das nach Angaben des Wissenschaftsverlags erste maschinengenerierte Buch erschienen: "Lithium-Ion Batteries - A Machine-Generated Summary of Current Research" biete einen Überblick über die neuesten Forschungspublikationen über Lithium-Ionen-Batterien, erklärte die Goethe-Universität Frankfurt am Main. Dort wurde im Bereich Angewandte Computerlinguistik unter der Leitung von Christian Chiarcos jenes Verfahren entwickelt, das Textinhalte automatisch analysiert und relevante Publikationen auswählen kann. Es heißt "Beta Writer" und steht als Autor über dem Buch.
    Content
    Das Buch enthält eine Einleitung, in der die Vorgehensweise zur Erstellung des Buches geschildert wird.
  10. Menge-Sonnentag, R.: Google veröffentlicht einen Parser für natürliche Sprache (2016) 0.01 
    0.009064859 = product of:
  0.054389153 = sum of:
    0.015079963 = weight(_text_:und in 2941) [ClassicSimilarity], result of:
      0.015079963 = score(doc=2941,freq=20.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.3097467 = fieldWeight in 2941, product of:
          4.472136 = tf(freq=20.0), with freq of:
            20.0 = termFreq=20.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.03125 = fieldNorm(doc=2941)
    0.010528689 = weight(_text_:des in 2941) [ClassicSimilarity], result of:
      0.010528689 = score(doc=2941,freq=4.0), product of:
        0.06083074 = queryWeight, product of:
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.021966046 = queryNorm
        0.17308173 = fieldWeight in 2941, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.03125 = fieldNorm(doc=2941)
    0.013700536 = weight(_text_:der in 2941) [ClassicSimilarity], result of:
      0.013700536 = score(doc=2941,freq=16.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.27922085 = fieldWeight in 2941, product of:
          4.0 = tf(freq=16.0), with freq of:
            16.0 = termFreq=16.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.03125 = fieldNorm(doc=2941)
    0.015079963 = weight(_text_:und in 2941) [ClassicSimilarity], result of:
      0.015079963 = score(doc=2941,freq=20.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.3097467 = fieldWeight in 2941, product of:
          4.472136 = tf(freq=20.0), with freq of:
            20.0 = termFreq=20.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.03125 = fieldNorm(doc=2941)
  0.16666667 = coord(4/24)
    Abstract
    SyntaxNet zerlegt Sätze in ihre grammatikalischen Bestandteile und bestimmt die syntaktischen Beziehungen der Wörter untereinander. Das Framework ist Open Source und als TensorFlow Model implementiert. Ein Parser für natürliche Sprache ist eine Software, die Sätze in ihre grammatikalischen Bestandteile zerlegt. Diese Zerlegung ist notwendig, damit Computer Befehle verstehen oder Texte übersetzen können. Die digitalen Helfer wie Microsofts Cortana, Apples Siri und Google Now verwenden Parser, um Sätze wie "Stell den Wecker auf 5 Uhr!" richtig umzusetzen. SyntaxNet ist ein solcher Parser, den Google als TensorFlow Model veröffentlicht hat. Entwickler können eigene Modelle erstellen, und SnytaxNet bringt einen vortrainierten Parser für die englische Sprache mit, den seine Macher Parsey McParseface genannt haben.
    Content
    "Syntaktische Beziehungen Der Parser teilt den Wörtern eine syntaktische Funktion zu und untersucht die syntaktischen Beziehungen zwischen den Einzelteilen. Den englischen Beispielsatz aus dem Blog-Beitrag "Alice saw Bob" analysiert er folgendermaßen: "Alice" und "Bob" sind Substantive, und "saw" ist ein Verb. Letzteres ist gleichzeitig die Wurzel (ROOT), von der die restlichen Beziehungen ausgehen. Alice ist das zugehörige Subjekt (nsubj) und Bob das Objekt (dobj). Längere Sätze werden leicht mehrdeutig. Beispielsweise ist im Satz "Alice sah Bob mit dem Fernglas" nicht erkennbar, wer von den beiden das Fernglas in der Hand hält. Rein syntaktisch ist auch der Satz "Peter schneidet das Brot mit Sonnenblumenkernen" mehrdeutig. Das menschliche Gehirn erkennt die richtige Bedeutung recht zuverlässig, aber für maschinelle Parser stellen sie eine Herausforderung dar.
    SyntaxNet nutzt zur Entscheidung neuronale Netze und versucht die Abhängigkeiten richtig zuzuordnen. Damit "lernt" der Parser, dass es schwierig ist, Sonnenblumenkerne zum Schneiden einzusetzen, und sie somit wohl eher Bestandteil des Brots als ein Werkzeug sind. Die Analyse beschränkt sich jedoch auf den Satz selbst. Semantische Zusammenhänge berücksichtigt das Modell nicht. So lösen sich manche Mehrdeutigkeiten durch den Kontext auf: Wenn Alice im obigen Beispiel das Fernglas beim Verlassen des Hauses eingepackt hat, wird sie es vermutlich benutzen. Trefferquote Mensch vs. Maschine Laut dem Blog-Beitrag kommt Parsey McParseface auf eine Genauigkeit von gut 94 Prozent für Sätze aus dem Penn Treebank Project. Die menschliche Quote soll laut Linguisten bei 96 bis 97 Prozent liegen. Allerdings weist der Beitrag auch darauf hin, dass es sich bei den Testsätzen um wohlgeformte Texte handelt. Im Test mit Googles WebTreebank erreicht der Parser eine Genauigkeit von knapp 90 Prozent."
  11. RWI/PH: Auf der Suche nach dem entscheidenden Wort : die Häufung bestimmter Wörter innerhalb eines Textes macht diese zu Schlüsselwörtern (2012) 0.01 
    0.007343784 = product of:
  0.044062704 = sum of:
    0.011309972 = weight(_text_:und in 331) [ClassicSimilarity], result of:
      0.011309972 = score(doc=331,freq=20.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.23231003 = fieldWeight in 331, product of:
          4.472136 = tf(freq=20.0), with freq of:
            20.0 = termFreq=20.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0234375 = fieldNorm(doc=331)
    0.011167361 = weight(_text_:des in 331) [ClassicSimilarity], result of:
      0.011167361 = score(doc=331,freq=8.0), product of:
        0.06083074 = queryWeight, product of:
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.021966046 = queryNorm
        0.18358089 = fieldWeight in 331, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.0234375 = fieldNorm(doc=331)
    0.010275402 = weight(_text_:der in 331) [ClassicSimilarity], result of:
      0.010275402 = score(doc=331,freq=16.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.20941564 = fieldWeight in 331, product of:
          4.0 = tf(freq=16.0), with freq of:
            16.0 = termFreq=16.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.0234375 = fieldNorm(doc=331)
    0.011309972 = weight(_text_:und in 331) [ClassicSimilarity], result of:
      0.011309972 = score(doc=331,freq=20.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.23231003 = fieldWeight in 331, product of:
          4.472136 = tf(freq=20.0), with freq of:
            20.0 = termFreq=20.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0234375 = fieldNorm(doc=331)
  0.16666667 = coord(4/24)
    Abstract
    Der Mensch kann komplexe Sachverhalte in eine eindimensionale Abfolge von Buchstaben umwandeln und niederschreiben. Dabei dienen Schlüsselwörter dazu, den Inhalt des Textes zu vermitteln. Wie Buchstaben und Wörtern mit dem Thema eines Textes zusammenhängen, haben Eduardo Altmann und seine Kollegen vom Max-Planck-Institut für die Physik komplexer Systeme und der Universität Bologna mit Hilfe von statistischen Methoden untersucht. Dabei haben sie herausgefunden, dass Schlüsselwörter nicht dadurch gekennzeichnet sind, dass sie im ganzen Text besonders häufig vorkommen, sondern nur an bestimmten Stellen vermehrt zu finden sind. Außerdem gibt es Beziehungen zwischen weit entfernten Textabschnitten, in der Form, dass dieselben Wörter und Buchstaben bevorzugt verwendet werden.
    Content
    "Die Dresdner Wissenschaftler haben die semantischen Eigenschaften von Texten mathematisch untersucht, indem sie zehn verschiedene englische Texte in unterschiedlichen Formen kodierten. Dazu zählt unter anderem die englische Ausgabe von Leo Tolstois "Krieg und Frieden". Beispielsweise übersetzten die Forscher Buchstaben innerhalb eines Textes in eine Binär-Sequenz. Dazu ersetzten sie alle Vokale durch eine Eins und alle Konsonanten durch eine Null. Mit Hilfe weiterer mathematischer Funktionen beleuchteten die Wissenschaftler dabei verschiedene Ebenen des Textes, also sowohl einzelne Vokale, Buchstaben als auch ganze Wörter, die in verschiedenen Formen kodiert wurden. Innerhalb des ganzen Textes lassen sich so wiederkehrende Muster finden. Diesen Zusammenhang innerhalb des Textes bezeichnet man als Langzeitkorrelation. Diese gibt an, ob zwei Buchstaben an beliebig weit voneinander entfernten Textstellen miteinander in Verbindung stehen - beispielsweise gibt es wenn wir an einer Stelle einen Buchstaben "K" finden, eine messbare höhere Wahrscheinlichkeit den Buchstaben "K" einige Seiten später nochmal zu finden. "Es ist zu erwarten, dass wenn es in einem Buch an einer Stelle um Krieg geht, die Wahrscheinlichkeit hoch ist das Wort Krieg auch einige Seiten später zu finden. Überraschend ist es, dass wir die hohe Wahrscheinlichkeit auch auf der Buchstabenebene finden", so Altmann.
    Schlüsselwörter häufen sich in einzelnen Textpassagen Dabei haben sie die Langzeitkorrelation sowohl zwischen einzelnen Buchstaben, als auch innerhalb höherer sprachlicher Ebenen wie Wörtern gefunden. Innerhalb einzelner Ebenen bleibt die Korrelation dabei erhalten, wenn man verschiedene Texte betrachtet. "Viel interessanter ist es für uns zu überprüfen, wie die Korrelation sich zwischen den Ebenen ändert", sagt Altmann. Die Langzeitkorrelation erlaubt Rückschlüsse, inwieweit einzelne Wörter mit einem Thema in Verbindungen stehen. "Auch die Verbindung zwischen einem Wort und den Buchstaben, aus denen es sich zusammensetzt, lässt sich so analysieren", so Altmann. Darüber hinaus untersuchten die Wissenschaftler auch die sogenannte "Burstiness", die beschreibt, ob ein Zeichenmuster in einer Textpassage vermehrt zu finden ist. Sie zeigt also beispielsweise an, ob ein Wort in einem bestimmten Abschnitt gehäuft vorkommt. Je häufiger ein bestimmtes Wort in einer Passage verwendet wird, desto wahrscheinlicher ist es, dass diese repräsentativ für ein bestimmtes Thema ist. Die Wissenschaftler zeigten, dass bestimmte Wörter zwar im ganzen Text immer wieder vorkommen, aber nicht in einem bestimmten Abschnitt verstärkt zu finden sind. Diese Wörter weisen zwar eine Langzeitkorrelation auf, stehen aber nicht in einer engen Verbindung mit dem Thema. "Das beste Beispiel dafür sind Artikel. Sie kommen in jedem Text sehr oft vor, sind aber nicht entscheidend um ein bestimmtes Thema zu vermitteln", so Altmann.
    Die statistische Textanalyse funktioniert unabhängig von der Sprache Während sowohl Buchstaben als auch Wörter Langzeit-korreliert sind, kommen Buchstaben nur selten an bestimmten Stellen eines Textes gehäuft vor. "Ein Buchstabe ist eben nur sehr selten so eng mit einem Thema verknüpft wie das Wort zu dem er einen Teil beiträgt. Buchstaben sind sozusagen flexibler einsetzbar", sagt Altmann. Ein "a" beispielsweise kann zu einer ganzen Reihe von Wörtern beitragen, die nicht mit demselben Thema in Verbindung stehen. Mit Hilfe der statistischen Analyse von Texten ist es den Forschern gelungen, die prägenden Wörter eines Textes auf einfache Weise zu ermitteln. "Dabei ist es vollkommen egal, in welcher Sprache ein Text geschrieben ist. Es geht nur noch um die Geschichte und nicht um sprachspezifische Regeln", sagt Altmann. Die Ergebnisse könnten zukünftig zur Verbesserung von Internetsuchmaschinen beitragen, aber auch bei Textanalysen und der Suche nach Plagiaten helfen."
  12. Räwel, J.: Automatisierte Kommunikation (2023) 0.01 
    0.0072728237 = product of:
  0.04363694 = sum of:
    0.011921758 = weight(_text_:und in 909) [ClassicSimilarity], result of:
      0.011921758 = score(doc=909,freq=8.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.24487628 = fieldWeight in 909, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0390625 = fieldNorm(doc=909)
    0.009306135 = weight(_text_:des in 909) [ClassicSimilarity], result of:
      0.009306135 = score(doc=909,freq=2.0), product of:
        0.06083074 = queryWeight, product of:
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.021966046 = queryNorm
        0.15298408 = fieldWeight in 909, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.0390625 = fieldNorm(doc=909)
    0.010487288 = weight(_text_:der in 909) [ClassicSimilarity], result of:
      0.010487288 = score(doc=909,freq=6.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.21373394 = fieldWeight in 909, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.0390625 = fieldNorm(doc=909)
    0.011921758 = weight(_text_:und in 909) [ClassicSimilarity], result of:
      0.011921758 = score(doc=909,freq=8.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.24487628 = fieldWeight in 909, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0390625 = fieldNorm(doc=909)
  0.16666667 = coord(4/24)
    Abstract
    Eine kommunikationstheoretische Einordnung des Chatbots ChatGPT
    Content
    In den Sozialwissenschaften gibt es zwei fundamental unterschiedliche Auffassungen, was unter Kommunikation zu verstehen ist. Angelehnt an das Alltagsverständnis und daher auch in den Sozialwissenschaften dominant, gehen "handlungstheoretische" Vorstellungen von Kommunikation davon aus, dass diese instrumentellen Charakters ist. Es sind Menschen in ihrer physisch-psychischen Kompaktheit, die mittels Kommunikation, sei dies in mündlicher oder schriftlicher Form, Informationen austauschen. Kommunizierende werden nach dieser Vorstellung wechselseitig als Sender bzw. Empfänger von Informationen verstanden. Kommunikation dient der mehr oder minder erfolgreichen Übertragung von Informationen von Mensch zu Mensch. Davon paradigmatisch zu unterscheiden sind "systemtheoretische" Vorstellungen von Kommunikation, wie sie wesentlich von dem 1998 verstorbenen Soziologen Niklas Luhmann in Vorschlag gebracht wurden. Nach diesem Paradigma wird behauptet, dass ihr "Eigenleben" charakteristisch ist. Kommunikation zeichnet sich durch ihre rekursive Eigendynamik aus, welche die Möglichkeiten der Kommunizierenden begrenzt, diese zu steuern und zu beeinflussen. Gemäß dieser Konzeption befindet sich individuelles Bewusstseins - in ihrer je gedanklichen Eigendynamik - in der Umwelt von Kommunikationssystemen und vermag diese mittels Sprache lediglich zu irritieren, nicht aber kontrollierend zu determinieren. Dies schon deshalb nicht, weil in Kommunikationssystemen, etwa einem Gespräch als einem "Interaktionssystem", mindestens zwei bewusste Systeme mit ihrer je unterschiedlichen gedanklichen Eigendynamik beteiligt sind.
    Series
    Telepolis / Kultur und Medien
  13. Stieler, W.: Anzeichen von Bewusstsein bei ChatGPT und Co.? (2023) 0.01 
    0.005448866 = product of:
  0.04359093 = sum of:
    0.014454362 = weight(_text_:und in 1047) [ClassicSimilarity], result of:
      0.014454362 = score(doc=1047,freq=6.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.2968967 = fieldWeight in 1047, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0546875 = fieldNorm(doc=1047)
    0.014682204 = weight(_text_:der in 1047) [ClassicSimilarity], result of:
      0.014682204 = score(doc=1047,freq=6.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.29922754 = fieldWeight in 1047, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.0546875 = fieldNorm(doc=1047)
    0.014454362 = weight(_text_:und in 1047) [ClassicSimilarity], result of:
      0.014454362 = score(doc=1047,freq=6.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.2968967 = fieldWeight in 1047, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0546875 = fieldNorm(doc=1047)
  0.125 = coord(3/24)
    Abstract
    Ein interdisziplinäres Forschungsteam hat eine Liste von Eigenschaften aufgestellt, die auf Bewusstsein deuten, und aktuelle KI-Systeme darauf abgeklopft. Ein interdisziplinäres Forscherteam hat ein Paper [https://arxiv.org/abs/2308.08708] veröffentlicht, das eine Liste von 14 "Indikatoren" für Bewusstsein enthält, die aus sechs aktuellen Theorien über das Bewusstsein stammen. Aktuelle KI-Modelle wie GPT-3, Palm-E oder AdA von Deepmind weisen demnach einzelne dieser Indikatoren auf. "Es spricht viel dafür, dass die meisten oder alle Bedingungen für das Bewusstsein, die von derzeitigen Theorien vorgeschlagenen Bedingungen für das Bewusstsein mit den bestehenden Techniken der KI erfüllt werden können", schreiben die Autoren. Zum Team gehörte auch der Deep-Learning-Pionier Yoshua Bengio von der Université de Montréal.
    Source
    https://www.heise.de/hintergrund/Anzeichen-von-Bewusstsein-bei-ChatGPT-und-Co-9295425.html?view=print
  14. Lutz-Westphal, B.: ChatGPT und der "Faktor Mensch" im schulischen Mathematikunterricht (2023) 0.01 
    0.005121148 = product of:
  0.040969186 = sum of:
    0.011921758 = weight(_text_:und in 930) [ClassicSimilarity], result of:
      0.011921758 = score(doc=930,freq=2.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.24487628 = fieldWeight in 930, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.078125 = fieldNorm(doc=930)
    0.01712567 = weight(_text_:der in 930) [ClassicSimilarity], result of:
      0.01712567 = score(doc=930,freq=4.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.34902605 = fieldWeight in 930, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.078125 = fieldNorm(doc=930)
    0.011921758 = weight(_text_:und in 930) [ClassicSimilarity], result of:
      0.011921758 = score(doc=930,freq=2.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.24487628 = fieldWeight in 930, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.078125 = fieldNorm(doc=930)
  0.125 = coord(3/24)
    Source
    Mitteilungen der Deutschen Mathematiker-Vereinigung. 2023, H.1, S.19-21
  15. Rieger, F.: Lügende Computer (2023) 0.00 
    0.00486003 = product of:
  0.03888024 = sum of:
    0.013487929 = weight(_text_:und in 912) [ClassicSimilarity], result of:
      0.013487929 = score(doc=912,freq=4.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.27704588 = fieldWeight in 912, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0625 = fieldNorm(doc=912)
    0.013487929 = weight(_text_:und in 912) [ClassicSimilarity], result of:
      0.013487929 = score(doc=912,freq=4.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.27704588 = fieldWeight in 912, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0625 = fieldNorm(doc=912)
    0.011904384 = product of:
      0.023808768 = sum of:
        0.023808768 = weight(_text_:22 in 912) [ClassicSimilarity], result of:
          0.023808768 = score(doc=912,freq=2.0), product of:
            0.07692135 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.021966046 = queryNorm
            0.30952093 = fieldWeight in 912, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.0625 = fieldNorm(doc=912)
      0.5 = coord(1/2)
  0.125 = coord(3/24)
    Abstract
    Wir leben gerade in einem kritischen Übergangs-Zeitalter zwischen Computern, auf die man sich halbwegs verlassen kann und den neuen "AI"-Systemen, die driften, halluzinieren, lügen und fabulieren können. Schon heute ist die Komplexität moderner Softwaresysteme so hoch, dass es kühn wäre, von striktem Determinismus zu sprechen, jedoch sind auch komplexe Algorithmen darauf angelegt, bei gleichen Eingabedaten gleiche Ergebnisse zu produzieren. Eine Ausnahme sind heute schon Algorithmen, die Zufallszahlen als Teil ihrer Eingabeparameter beinhalten oder neuronale Netze.
    Date
    16. 3.2023 19:22:55
  16. Bischoff, M.: Wie eine KI lernt, sich selbst zu erklären (2023) 0.00 
    0.00458295 = product of:
  0.0366636 = sum of:
    0.013487929 = weight(_text_:und in 956) [ClassicSimilarity], result of:
      0.013487929 = score(doc=956,freq=4.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.27704588 = fieldWeight in 956, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0625 = fieldNorm(doc=956)
    0.009687742 = weight(_text_:der in 956) [ClassicSimilarity], result of:
      0.009687742 = score(doc=956,freq=2.0), product of:
        0.049067024 = queryWeight, product of:
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.021966046 = queryNorm
        0.19743896 = fieldWeight in 956, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.2337668 = idf(docFreq=12875, maxDocs=44218)
          0.0625 = fieldNorm(doc=956)
    0.013487929 = weight(_text_:und in 956) [ClassicSimilarity], result of:
      0.013487929 = score(doc=956,freq=4.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.27704588 = fieldWeight in 956, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0625 = fieldNorm(doc=956)
  0.125 = coord(3/24)
    Abstract
    Große Sprachmodelle wie ChatGPT und Co. neigen dazu, Dinge zu erfinden. Durch einen neuen Ansatz können die Systeme ihre Antworten nun erklären - zumindest teilweise. Vorstellung von Modulen (Luminous, AtMan), die die Zusammenstellung der Aussagen in den Antworten analysieren und erklären.
  17. Leighton, T.: ChatGPT und Künstliche Intelligenz : Utopie oder Dystopie? (2023) 0.00 
    0.004442977 = product of:
  0.053315718 = sum of:
    0.026657859 = weight(_text_:und in 908) [ClassicSimilarity], result of:
      0.026657859 = score(doc=908,freq=10.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.54756 = fieldWeight in 908, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.078125 = fieldNorm(doc=908)
    0.026657859 = weight(_text_:und in 908) [ClassicSimilarity], result of:
      0.026657859 = score(doc=908,freq=10.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.54756 = fieldWeight in 908, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.078125 = fieldNorm(doc=908)
  0.083333336 = coord(2/24)
    Abstract
    Das Tool wird immer ausgefeilter; es erstellt Software und erfindet die unglaublichsten Fiktionen. Wie "klug" ist es? Wie sieht es mit den Ängsten aus? Und mit Moral?
    Series
    Telepolis / Kultur und Medien
    Source
    https://www.heise.de/tp/features/ChatGPT-und-Kuenstliche-Intelligenz-Utopie-oder-Dystopie-7445181.html?view=print
  18. Kurz, C.: Womit sich Strafverfolger bald befassen müssen : ChatGPT (2023) 0.00 
    0.0042455783 = product of:
  0.033964626 = sum of:
    0.009537406 = weight(_text_:und in 203) [ClassicSimilarity], result of:
      0.009537406 = score(doc=203,freq=2.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.19590102 = fieldWeight in 203, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0625 = fieldNorm(doc=203)
    0.014889815 = weight(_text_:des in 203) [ClassicSimilarity], result of:
      0.014889815 = score(doc=203,freq=2.0), product of:
        0.06083074 = queryWeight, product of:
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.021966046 = queryNorm
        0.24477452 = fieldWeight in 203, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.7693076 = idf(docFreq=7536, maxDocs=44218)
          0.0625 = fieldNorm(doc=203)
    0.009537406 = weight(_text_:und in 203) [ClassicSimilarity], result of:
      0.009537406 = score(doc=203,freq=2.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.19590102 = fieldWeight in 203, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0625 = fieldNorm(doc=203)
  0.125 = coord(3/24)
    Abstract
    Ein Europol-Bericht widmet sich den Folgen von ChatGPT, wenn Kriminelle die Fähigkeiten des Chatbots für sich ausnutzen: Es drohe vermehrt Phishing und noch mehr Desinformation. Ein Problem für die Strafverfolgung könne auch automatisiert erzeugter bösartiger Quellcode sein.
  19. Bager, J.: ¬Die Text-KI ChatGPT schreibt Fachtexte, Prosa, Gedichte und Programmcode (2023) 0.00 
    0.0038723997 = product of:
  0.030979197 = sum of:
    0.009537406 = weight(_text_:und in 835) [ClassicSimilarity], result of:
      0.009537406 = score(doc=835,freq=2.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.19590102 = fieldWeight in 835, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0625 = fieldNorm(doc=835)
    0.009537406 = weight(_text_:und in 835) [ClassicSimilarity], result of:
      0.009537406 = score(doc=835,freq=2.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.19590102 = fieldWeight in 835, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0625 = fieldNorm(doc=835)
    0.011904384 = product of:
      0.023808768 = sum of:
        0.023808768 = weight(_text_:22 in 835) [ClassicSimilarity], result of:
          0.023808768 = score(doc=835,freq=2.0), product of:
            0.07692135 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.021966046 = queryNorm
            0.30952093 = fieldWeight in 835, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.0625 = fieldNorm(doc=835)
      0.5 = coord(1/2)
  0.125 = coord(3/24)
    Date
    29.12.2022 18:22:55
  20. Voss, O.: Übersetzer überflüssig? : Sprachsoftware DeepL und Acrolinx (2019) 0.00 
    0.0033719824 = product of:
  0.040463787 = sum of:
    0.020231893 = weight(_text_:und in 4981) [ClassicSimilarity], result of:
      0.020231893 = score(doc=4981,freq=4.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.41556883 = fieldWeight in 4981, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.09375 = fieldNorm(doc=4981)
    0.020231893 = weight(_text_:und in 4981) [ClassicSimilarity], result of:
      0.020231893 = score(doc=4981,freq=4.0), product of:
        0.04868482 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.021966046 = queryNorm
        0.41556883 = fieldWeight in 4981, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.09375 = fieldNorm(doc=4981)
  0.083333336 = coord(2/24)
    Source
    https://www.tagesspiegel.de/wirtschaft/sprachsoftware-deepl-und-acrolinx-uebersetzer-ueberfluessig/23884348.html

Authors

Years

Languages

  • d 23
  • e 7