Search (614 results, page 2 of 31)

  • × type_ss:"a"
  • × year_i:[2010 TO 2020}
  1. Lobe, A.: Demokratie als Risikofaktor (2019) 0.03 
    0.031367656 = product of:
  0.12547062 = sum of:
    0.12547062 = weight(_text_:intelligenz in 4594) [ClassicSimilarity], result of:
      0.12547062 = score(doc=4594,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.62736875 = fieldWeight in 4594, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.078125 = fieldNorm(doc=4594)
  0.25 = coord(1/4)
    Source
    https://www.sueddeutsche.de/kultur/kuenstliche-intelligenz-predictive-analytics-anticipatory-government-1.4725402?utm_source=pocket-newtab
  2. Schnetker, M.F.J.; Becker, M.: Transhumanismus : Von der Technikverehrung zur Mythologie (2019) 0.03 
    0.031367656 = product of:
  0.12547062 = sum of:
    0.12547062 = weight(_text_:intelligenz in 5308) [ClassicSimilarity], result of:
      0.12547062 = score(doc=5308,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.62736875 = fieldWeight in 5308, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.078125 = fieldNorm(doc=5308)
  0.25 = coord(1/4)
    Content
    Vgl. zum Bezug das Buch: Schnetker, M.F.J.: Transhumanistische Mythologie: Rechte Utopien einer technologischen Erlösung durch künstliche Intelligenz. Münster: Unrast 2019.
  3. Konecny, J.: Bin ich tatsächlich mein Konnektom? (2018) 0.03 
    0.031367656 = product of:
  0.12547062 = sum of:
    0.12547062 = weight(_text_:intelligenz in 75) [ClassicSimilarity], result of:
      0.12547062 = score(doc=75,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.62736875 = fieldWeight in 75, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.078125 = fieldNorm(doc=75)
  0.25 = coord(1/4)
    Abstract
    Die Gesamtheit aller Verbindungen im Gehirn, das Konnektom, ist ein heiß diskutiertes Thema in der Hirnforschung, der Philosophie des Bewusstseins, den Bestrebungen, künstliche Intelligenz zu entwickeln, aber auch in der Kryobiologie bzw. der Suche nach dem ewigen Leben. Wohl auch ein Streitpunkt zwischen manchen Hirnforschern und Neuroinformatikern.
  4. Rötzer, F.: KI-Programm besser als Menschen im Verständnis natürlicher Sprache (2018) 0.03 
    0.029866083 = product of:
  0.059732165 = sum of:
    0.050188255 = weight(_text_:intelligenz in 4217) [ClassicSimilarity], result of:
      0.050188255 = score(doc=4217,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.2509475 = fieldWeight in 4217, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03125 = fieldNorm(doc=4217)
    0.009543911 = product of:
      0.019087821 = sum of:
        0.019087821 = weight(_text_:22 in 4217) [ClassicSimilarity], result of:
          0.019087821 = score(doc=4217,freq=2.0), product of:
            0.123337835 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.03522097 = 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)
  0.5 = coord(2/4)
    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
  5. Sieglerschmidt, J.: Wissensordnungen im analogen und im digitalen Zeitalter (2017) 0.03 
    0.029600063 = product of:
  0.11840025 = sum of:
    0.11840025 = product of:
      0.59200126 = sum of:
        0.59200126 = weight(_text_:c3 in 4026) [ClassicSimilarity], result of:
          0.59200126 = score(doc=4026,freq=8.0), product of:
            0.3434389 = queryWeight, product of:
              9.7509775 = idf(docFreq=6, maxDocs=44218)
              0.03522097 = queryNorm
            1.7237456 = fieldWeight in 4026, product of:
              2.828427 = tf(freq=8.0), with freq of:
                8.0 = termFreq=8.0
              9.7509775 = idf(docFreq=6, maxDocs=44218)
              0.0625 = fieldNorm(doc=4026)
      0.2 = coord(1/5)
  0.25 = coord(1/4)
    Content
    Vgl. unter: https://books.google.de/books?hl=de&lr=&id=0rtGDwAAQBAJ&oi=fnd&pg=PA35&dq=inhaltserschlie%C3%9Fung+OR+sacherschlie%C3%9Fung&ots=5u0TwCbFqE&sig=GGw3Coc21CINkone-6Lx8LaSAjY#v=onepage&q=inhaltserschlie%C3%9Fung%20OR%20sacherschlie%C3%9Fung&f=false.
  6. Branz, M.: Zwischen der Furcht vor Zerstörung und der Hoffnung auf Erlösung : warum wir uns vor der Künstlichen Intelligenz nicht fürchten sollten (2018) 0.03 
    0.02661634 = product of:
  0.10646536 = sum of:
    0.10646536 = weight(_text_:intelligenz in 4112) [ClassicSimilarity], result of:
      0.10646536 = score(doc=4112,freq=4.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.53234005 = fieldWeight in 4112, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.046875 = fieldNorm(doc=4112)
  0.25 = coord(1/4)
    Abstract
    Roboter, die in nicht allzu ferner Zukunft die gesamte Menschheit unterjochen, empfindet so mancher als ernstzunehmende Gefahr. Im Silicon Valley geht man mit der Vision der "technologischen Singularität", die die Zeit der Machtübernahme überlegener Maschinen meint, noch einen Schritt weiter. Künstliche Intelligenz ist in dieser Denkart nicht einfach nur entfesselte technische Power, sondern ein existenzbestimmendes Element, in welchem sich die technologische Natur des Menschen zeigt. Aktuelle Fortschritte im Bereich der KI wie die Tatsache, dass die Google-Tochter Deepmind jüngst den besten Go-Spieler der Welt besiegt hat, werden auch sonst gern zum Anlass genommen, die Existenz einer Superintelligenz heraufzubeschwören, die uns nicht unbedingt wohlgesonnen ist.
  7. Thielicke, R.; Helmstaedter, M.: ¬"Ein völlig neues Kapitel der Künstlichen Intelligenz" : Interview mit Moritz Helmstaedter (2018) 0.03 
    0.02661634 = product of:
  0.10646536 = sum of:
    0.10646536 = weight(_text_:intelligenz in 4497) [ClassicSimilarity], result of:
      0.10646536 = score(doc=4497,freq=4.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.53234005 = fieldWeight in 4497, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.046875 = fieldNorm(doc=4497)
  0.25 = coord(1/4)
    Source
    https://www.heise.de/tr/artikel/Ein-voellig-neues-Kapitel-der-Kuenstlichen-Intelligenz-4188415.html?view=print
  8. Malsburg, C. von der: Künstliche Intelligenz (2013) 0.03 
    0.025094127 = product of:
  0.10037651 = sum of:
    0.10037651 = weight(_text_:intelligenz in 4966) [ClassicSimilarity], result of:
      0.10037651 = score(doc=4966,freq=8.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.501895 = fieldWeight in 4966, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03125 = fieldNorm(doc=4966)
  0.25 = coord(1/4)
    Abstract
    "Die Grundidee der künstlichen Intelligenz, die in den 50er-Jahren aufgekommen ist, war folgende: Der Experimentator schaut sich ein Phänomen, wie beispielsweise Schachspielen, an und überlegt, wie es funktioniert. Diese Funktionsidee setzt er dann in einen Algorithmus um, um schließlich sagen zu können, der Computer sei intelligent. In Wirklichkeit ist es natürlich nur eine Projektion, denn die Intelligenz sitzt nicht im Computer, sondern im Kopf des jeweiligen Programmierers. Man war damals auch der Meinung, dass man auf diese Weise Sprache verstehen könne. Dafür hätte man dann eine universelle Grammatik etwa der englischen Sprache formulieren und in einen Algorithmus gießen müssen. Dabei hat sich aber herausgestellt, dass sich Sprache nicht durchgängig an Regeln hält. Im Extremfall ist es sogar so, dass jedes Wort um sich herum sein eigenes Regelwerk verbreitet. Inzwischen weiß man, dass man gewaltige statistikbasierte Datenbanken braucht, um Sprache verarbeiten zu können. So wurde langsam klar, dass sich die Aufmerksamkeit des Programmierers von den Anwendungsvorgängen auf die Organisationsmechanismen zurückziehen muss, durch die Daten aufgenommen und verarbeitet werden. Was kann man dafür vom Gehirn lernen? Im Gehirn ist bei Geburt das Organisationsprinzip festgelegt, mit dessen Hilfe die Struktur der Umwelt verarbeitet werden kann, das heißt nicht mehr, als dass wir auf eine bestimmte Weise die Regelmäßigkeiten der Welt absorbieren. Wenn man sich darauf einlässt, muss man aber auch damit leben, dass der Computer nicht unfehlbar ist. So wie es Alan Turing ausdrückte: »If you want a computer to be infallible you can not ask it to be intelligent as well«. (Wenn man möchte, dass ein Computer unfehlbar ist, darf man nicht zugleich von ihm verlangen, dass er auch intelligent sei.) Wenn man Intelligenz haben möchte, dann muss man auch dieses heuristische Spielchen spielen wollen. Dann kann man gar nicht mehr davon reden, dass der Computer genau das macht, wofür der Programmierer ihn programmiert hat.
  9. Niemann, C.: Intelligenz im Chaos : erste Schritte zur Analyse des Kreativen Potenzials eines Tagging-Systems (2010) 0.02 
    0.022180285 = product of:
  0.08872114 = sum of:
    0.08872114 = weight(_text_:intelligenz in 4375) [ClassicSimilarity], result of:
      0.08872114 = score(doc=4375,freq=4.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.44361675 = fieldWeight in 4375, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.0390625 = fieldNorm(doc=4375)
  0.25 = coord(1/4)
    Abstract
    Die Auszeichnung digitaler Medien durch Tagging ist zur festen Größe für das Wissensmanagement im Internet avanciert. Im Kontext des zunehmenden information overload' stehen wissenschaftliche Bibliotheken vor der Aufgabe, die große Flut digital publizierter Artikel und Werke möglichst inhaltlich erschlossen verfügbar zu machen. Die Frage ist, ob durch den Einsatz von Tagging-Systemen die kollaborative Intelligenz der NutzerInnen für die Sacherschließung eingesetzt werden kann, während diese von einer intuitiven und individuellen Wissensorganisation profitieren. Die große Freiheit bei der Vergabe von Deskriptoren durch die NutzerInnen eines Tagging-Systems ist nämlich ein ambivalentes Phänomen: Kundennähe und kreatives Potenzial stehen der großen Menge völlig unkontrollierter Meta-Informationen gegenüber, deren inhaltliche Qualität und Aussagekraft noch unklar ist. Bisherige Forschungsbemühungen konzentrieren sich hauptsächlich auf die automatische Hierarchisierung bzw. Relationierung der Tag-Daten (etwa mittels Ähnlichkeitsalgorithmen) oder auf die Analyse des (Miss-)Erfolgs, den die NutzerInnen bei einer Suchanfrage subjektiv erfahren. Aus der Sicht stark strukturierter Wissensorganisation, wie sie Experten z. B. durch die Anwendung von Klassifikationen realisieren, handelt es sich bei den zunächst unvermittelt nebeneinander stehenden Tags allerdings kurz gesagt um Chaos. Dass in diesem Chaos aber auch Struktur und wertvolles Wissen als Gemeinschaftsprodukt erzeugt werden kann, ist eine der zentralen Thesen dieses Artikels.
  10. Jaeger, L.: Diskussion um die Gestaltung des technologischen Fortschritts am Beispiel der Künstlichen Intelligenz (2019) 0.02 
    0.022180285 = product of:
  0.08872114 = sum of:
    0.08872114 = weight(_text_:intelligenz in 4963) [ClassicSimilarity], result of:
      0.08872114 = score(doc=4963,freq=4.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.44361675 = fieldWeight in 4963, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.0390625 = fieldNorm(doc=4963)
  0.25 = coord(1/4)
    Content
    "Wie das konkret aussehen kann, könnte eine Initiative der EU-Kommission mit der Gründung einer Experten-Gruppe (High-Level Expert Group on Artificial Intelligence, AI HLEG) aufzeigen, die sich im Dezember 2018 mit einem Beitrag "Ethische Grundlagen für eine vertrauenswürdige KI" an die Öffentlichkeit wandte. "Künstliche Intelligenz (KI) ist eine der transformativsten Kräfte unserer Zeit und wird das Gewebe der Gesellschaft verändern", heißt es darin gleich zu Beginn. Die Experten nennen daraufhin die Prinzipien auf dem Weg zu einer verantwortungsvollen Entwicklung der KI-Technologien. Insbesondere sei hier ein "anthropo-zentrischer" Ansatz vonnöten, so die Gruppe unisono. Ziel ist es, die Entwicklung der KI derart zu gestalten, dass der einzelne Mensch, seine Würde und seine Freiheit geschützt werde, Demokratie, Recht und Gesetz sowie Bürgerrechte aufrecht erhalten werden und Gleichheit, Minderheitenschutz und Solidarität gefördert werden. Grundlegende Richtlinien für jede KI-Technologie müssen daher sein: 1. Den Menschen Gutes zukommen zu lassen; 2. kein menschliches Leid zu verursachen; 3. die menschliche Autonomie zu fördern; 4. das Prinzip der Fairness gelten zu lassen; und 5. Transparenz und Nachvollziehbarkeit in allen Wirkungen zu erreichen." Vgl. auch: https://ec.europa.eu/digital-single-market/en/high-level-expert-group-artificial-intelligence.
  11. Strube, M.: Kreativ durch Analogien (2011) 0.02 
    0.02195736 = product of:
  0.08782944 = sum of:
    0.08782944 = weight(_text_:intelligenz in 4805) [ClassicSimilarity], result of:
      0.08782944 = score(doc=4805,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.43915814 = fieldWeight in 4805, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.0546875 = fieldNorm(doc=4805)
  0.25 = coord(1/4)
    Content
    "Die Computerlinguistik vereinigt Elemente von Informatik und Linguistik; sie verwendet darüber hinaus Methoden aus weiteren Gebieten wie Mathematik, Psychologie, Statistik und künstliche Intelligenz. Der Reiz und die Herausforderung einer solchen interdisziplinären Wissenschaft liegen darin, Analogien zwischen Konzepten aus weit entfernten Teilgebieten zu erkennen und zu nutzen. Paradebeispiel dafür ist einer der entscheidenden Durchbrüche, welche die Computerlinguistik prägten. Es geht um das »Parsing«: Ein Computerprogramm, genauer gesagt ein Compiler, nimmt Zeichen für Zeichen den Input des Benutzers entgegen, der in diesem Fall seinerseits aus dem Text eines Computerprogramms besteht, und ermittelt dessen Struktur. Im Prinzip dasselbe tut ein Mensch, der einen gesprochenen Satz hört und versteht."
  12. Posch, L.; Schaer, P.; Bleier, A.; Strohmaier, M.: ¬A system for probabilistic linking of thesauri and classification systems (2015) 0.02 
    0.02195736 = product of:
  0.08782944 = sum of:
    0.08782944 = weight(_text_:intelligenz in 2515) [ClassicSimilarity], result of:
      0.08782944 = score(doc=2515,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.43915814 = fieldWeight in 2515, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.0546875 = fieldNorm(doc=2515)
  0.25 = coord(1/4)
    Source
    Künstliche Intelligenz. 2015, S.1-4
  13. Randow, G. von: Er wollte die Welt mit Intelligenz in den Griff bekommen : ... die aber machte nicht mit. Was wir dennoch von Gottfried Wilhelm Leibniz lernen können - 300 Jahre nach dem Tod dieses letzten deutschen Universalgenies: Gottfried Wilhelm Leibniz (2016) 0.02 
    0.02195736 = product of:
  0.08782944 = sum of:
    0.08782944 = weight(_text_:intelligenz in 3673) [ClassicSimilarity], result of:
      0.08782944 = score(doc=3673,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.43915814 = fieldWeight in 3673, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.0546875 = fieldNorm(doc=3673)
  0.25 = coord(1/4)
  14. Becker, R.: Machine / Deep Learning : wie lernen künstliche neuronale Netze? (2017) 0.02 
    0.02195736 = product of:
  0.08782944 = sum of:
    0.08782944 = weight(_text_:intelligenz in 4109) [ClassicSimilarity], result of:
      0.08782944 = score(doc=4109,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.43915814 = fieldWeight in 4109, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.0546875 = fieldNorm(doc=4109)
  0.25 = coord(1/4)
    Abstract
    Ein wichtiges Merkmal von Systemen mit künstlicher Intelligenz ist die Fähigkeit, selbständig zu lernen. Anders als bei klassischer Software, die Probleme und Fragen auf Basis von vorher festgelegten Regeln abarbeitet, können selbstlernende Machine Learning Algorithmen die besten Regeln für die Lösung bestimmter Aufgaben selber lernen. In diesem Artikel wird am Beispiel von künstlichen neuronalen Netzen erklärt, was "lernen" in diesem Zusammenhang heißt, und wie es funktioniert. Ein künstliches neuronales Netz besteht aus vielen einzelnen Neuronen, die meistens in mehreren miteinander verbundenen Schichten (Layern) angeordnet sind. Die Zahl der Layer bestimmt unter anderem den Grad der Komplexität, den ein künstliches neuronales Netz abbilden kann. Viele Layer machen ein neuronales Netz "tief" - daher spricht man in diesem Zusammenhang auch vom Deep Learning als einer Unterkategorie des Machine Learning (Maschinenlernen bzw. maschinelles lernen).
  15. Weber, S.: Eine Million Bücher mit automatisch erzeugten Texten (2018) 0.02 
    0.02195736 = product of:
  0.08782944 = sum of:
    0.08782944 = weight(_text_:intelligenz in 4504) [ClassicSimilarity], result of:
      0.08782944 = score(doc=4504,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.43915814 = fieldWeight in 4504, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.0546875 = fieldNorm(doc=4504)
  0.25 = coord(1/4)
    Abstract
    Wenn Künstliche Intelligenz eine Doktorarbeit schreiben kann, was heißt dann Bildung? Interview mit dem Verleger Philip M. Parker. Im deutschsprachigen Raum ist er fast ein Unbekannter: Der in Singapur lehrende Wirtschaftswissenschaftler und Unternehmer Philip M. Parker. Der von ihm gegründete Buchverlag ICON Group International hat mehr als eine Million verschiedener Bücher publiziert, deren Inhalte komplett automatisch generiert wurden. Mit Apps, Spielen und Lehrbüchern zu landwirtschaftlichen Techniken, Lesen und Rechnen - auch diese allesamt komplett automatisch erzeugt - will er die Alphabetisierung und Bildung in der Dritten Welt vorantreiben. Sein Programm "Totopoetry" erzeugt automatisch Perlen der Dichtkunst, wie er eindrucksvoll zeigen kann. Und nun will Parker auch noch die Wikipedia revolutionieren: natürlich mit Bots, die die Inhalte automatisch erstellen und übersetzen.
  16. Wolfangel, E.: ¬Die Grenzen der künstlichen Intelligenz (2016) 0.02 
    0.019015634 = product of:
  0.07606254 = sum of:
    0.07606254 = weight(_text_:intelligenz in 4107) [ClassicSimilarity], result of:
      0.07606254 = score(doc=4107,freq=6.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.38032216 = fieldWeight in 4107, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.02734375 = fieldNorm(doc=4107)
  0.25 = coord(1/4)
    Abstract
    Der Sieg einer Google-Software über den Weltmeister im Brettspiel Go hat der Technologie der künstlichen Intelligenz gesellschaftlichen Auftrieb verschafft. Die Mühen der Ebene zeigen aber, dass die Algorithmen des maschinellen Lernens allerlei Fallen bergen - auch für ihre Entwickler.
    Source
    http://www.spektrum.de/news/die-grenzen-der-kuenstlichen-intelligenz/1409149
  17. Untiet-Kepp, S.-J.: der Stand der Forschung : Adaptive Unterstützung für das computergestützte kollaborative Lernen (2010) 0.02 
    0.018820595 = product of:
  0.07528238 = sum of:
    0.07528238 = weight(_text_:intelligenz in 4017) [ClassicSimilarity], result of:
      0.07528238 = score(doc=4017,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.37642127 = fieldWeight in 4017, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.046875 = fieldNorm(doc=4017)
  0.25 = coord(1/4)
    Abstract
    Computergestütztes kollaboratives Lernen hat sich aus dem konstruktivistischen Lernparadigma heraus zu einem eigenen Forschungsgebiet entwickelt, da es sich besonders für das aktive, soziale, kontextbezogene und selbstorganisierte Lernen eignet (vgl. Jadin 2008). Neben der Bereitstellung von CSCL-Werkzeugen beschäftigt sich dieses Forschungsgebiet auch mit der Bereitstellung von Unterstützungsmaßnahmen, die entweder strukturierend oder regulierend auf den Lernprozess Einfluss nehmen (Dillenbourg et al. 1996). Die regulierende Unterstützung zeichnet sich durch ihre Adaptivität aus, die mit Hilfe von Techniken umgesetzt wird, die aus dem Bereich der Adaptive Educational Hypermedia Systeme stammen. Zunehmend halten auch Techniken der künstlichen Intelligenz, die bereits in intelligenten tutoriellen Systemen verwendet wurden, Einzug in kollaborative Systeme. Dieser Beitrag stellt die adaptiven und intelligenten Techniken vor, die zur Unterstützung der Lernenden in virtuellen Umgebungen entwickelt wurden und veranschaulicht sie anhand von Beispielsystemen und -ansätzen. Der Artikel schließt mit einer Betrachtung des weiteren Forschungsbedarfs im Hinblick auf aktuelle technologische und gesellschaftliche Entwicklungen.
  18. Kasprzik, A.: Automatisierte und semiautomatisierte Klassifizierung : eine Analyse aktueller Projekte (2014) 0.02 
    0.018820595 = product of:
  0.07528238 = sum of:
    0.07528238 = weight(_text_:intelligenz in 2470) [ClassicSimilarity], result of:
      0.07528238 = score(doc=2470,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.37642127 = fieldWeight in 2470, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.046875 = fieldNorm(doc=2470)
  0.25 = coord(1/4)
    Abstract
    Das sprunghafte Anwachsen der Menge digital verfügbarer Dokumente gepaart mit dem Zeit- und Personalmangel an wissenschaftlichen Bibliotheken legt den Einsatz von halb- oder vollautomatischen Verfahren für die verbale und klassifikatorische Inhaltserschließung nahe. Nach einer kurzen allgemeinen Einführung in die gängige Methodik beleuchtet dieser Artikel eine Reihe von Projekten zur automatisierten Klassifizierung aus dem Zeitraum 2007-2012 und aus dem deutschsprachigen Raum. Ein Großteil der vorgestellten Projekte verwendet Methoden des Maschinellen Lernens aus der Künstlichen Intelligenz, arbeitet meist mit angepassten Versionen einer kommerziellen Software und bezieht sich in der Regel auf die Dewey Decimal Classification (DDC). Als Datengrundlage dienen Metadatensätze, Abstracs, Inhaltsverzeichnisse und Volltexte in diversen Datenformaten. Die abschließende Analyse enthält eine Anordnung der Projekte nach einer Reihe von verschiedenen Kriterien und eine Zusammenfassung der aktuellen Lage und der größten Herausfordungen für automatisierte Klassifizierungsverfahren.
  19. Briggs, G.; Scheutz, M.: Befehlsverweigerung durch Roboter (2017) 0.02 
    0.018820595 = product of:
  0.07528238 = sum of:
    0.07528238 = weight(_text_:intelligenz in 3779) [ClassicSimilarity], result of:
      0.07528238 = score(doc=3779,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.37642127 = fieldWeight in 3779, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.046875 = fieldNorm(doc=3779)
  0.25 = coord(1/4)
    Content
    "Dass Maschinen mit überlegenen Geistesgaben die Weltherrschaft übernehmen, ist zurzeit nicht eines unserer vorrangigen Probleme - aber dass Roboter mit rudimentärer künstlicher Intelligenz Menschen, Sachen, die Umwelt oder sich selbst schädigen, durchaus. Dabei ist das größte Problem nicht die Fehlbarkeit der Roboter, sondern die ihrer menschlichen Erbauer und Befehlsgeber. Menschen machen Fehler. Sie geben falsche oder missverständliche Anweisungen, sind unaufmerksam oder versuchen, die Maschinen für ihre Absichten zu missbrauchen. Wegen unserer eigenen Schwächen müssen wir den Robotern beibringen, wann und wie sie Nein zu sagen haben." Vgl. auch den Beitrag "Rojas, P.: Die Tugend des Roboters" unter: https://www.heise.de/tp/features/Die-Tugend-des-Roboters-3798701.html.
  20. Graff, B.: "Spinne ich, wenn ich denke, dass sie ausschließlich meine Arbeit genutzt haben?" (2019) 0.02 
    0.018820595 = product of:
  0.07528238 = sum of:
    0.07528238 = weight(_text_:intelligenz in 4667) [ClassicSimilarity], result of:
      0.07528238 = score(doc=4667,freq=2.0), product of:
        0.19999503 = queryWeight, product of:
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.03522097 = queryNorm
        0.37642127 = fieldWeight in 4667, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.678294 = idf(docFreq=410, maxDocs=44218)
          0.046875 = fieldNorm(doc=4667)
  0.25 = coord(1/4)
    Source
    https://www.sueddeutsche.de/kultur/2.220/kuenstliche-intelligenz-kunst-urheberrecht-1.4269906

Authors

Languages

  • e 430
  • d 182
  • a 1
  • More… Less…

Types

  • el 57
  • b 4
  • More… Less…

Themes