Search (14 results, page 1 of 1)

0.008324272 = product of:
  0.116539806 = sum of:
    0.116539806 = weight(_text_:abhandlungen in 5954) [ClassicSimilarity], result of:
      0.116539806 = score(doc=5954,freq=2.0), product of:
        0.23908296 = queryWeight, product of:
          7.3530817 = idf(docFreq=76, maxDocs=44218)
          0.03251466 = queryNorm
        0.48744506 = fieldWeight in 5954, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          7.3530817 = idf(docFreq=76, maxDocs=44218)
          0.046875 = fieldNorm(doc=5954)
  0.071428575 = coord(1/14)

Abstract

Am 31. Juli vor 200 Jahren starb Denis Diderot. Er war einer der einflußreichsten, intelligentesten und witzigsten Autoren nicht nur des an Charakteren seiner Art reichen 18. Jahrhunderts. Die "Enzyklopädie" war sein Hauptwerk, wenngleich manches seiner oft erst posthum erschienenen Nebenwerke uns heute noch mit größerer Frische und Originalität entgegentritt - wie seine Romanejakob und sein Herr", "Die Nonne", seine Erzählungen, Essays und Abhandlungen. Dem Diderot gewidmeten "Insel-Almanach auf das Jahr 1984", der eine höchst appetitanregende Lektüre bietet, haben wir die Illustrationen dieser Seite entnommen: Greuzes Kreidezeichnung Diderots (unten) und die zeitgenössische Kupfertafel zu dem Enzyklopädie-Artikel "Schreibkunst" Auf unserer Buchseite (IV) zeigt Ralph Rainer Wuthenow eine eben neu erschienene Auswahl von Diderots Briefen an. Unter den Dunkelmännern & -frauen, die heute so zahlreich aus dem Boden schießen, gilt Aufklärung als trocken und seicht; wohin man auch bei Diderot blickt, immer trifft man ihn, einen der größten Aufklärer, als einen Autor an, der solche Vorurteile glanzvoll Lügen straft.

0.006409827 = product of:
  0.04486879 = sum of:
    0.02724764 = weight(_text_:zur in 4427) [ClassicSimilarity], result of:
      0.02724764 = score(doc=4427,freq=2.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.27215877 = fieldWeight in 4427, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.0625 = fieldNorm(doc=4427)
    0.017621152 = product of:
      0.035242304 = sum of:
        0.035242304 = weight(_text_:22 in 4427) [ClassicSimilarity], result of:
          0.035242304 = score(doc=4427,freq=2.0), product of:
            0.11386081 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.03251466 = queryNorm
            0.30952093 = fieldWeight in 4427, 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=4427)
      0.5 = coord(1/2)
  0.14285715 = coord(2/14)

Abstract

Künstliche Intelligenz kann lernen anhand von Erfahrungen und Vorgaben. Das Problem ist aber, dass sich maschinelles Lernen zwar in eine bestimmte Richtung steuern lässt, um bestimmte Probleme zu lösen, dass aber der Programmierer mitunter nicht mehr weiß, was in dem "künstlichen Gehirn" bzw. dem neuronalen Netzwerk vor sich geht, das mit zunehmender Komplexität und Lernerfahrung für den Menschen zur Black Box wird, wo man nur sehen kann, was an Daten einfließt und was herauskommt.

Date

22. 1.2018 11:08:27

0.0032049136 = product of:
  0.022434395 = sum of:
    0.01362382 = weight(_text_:zur in 4217) [ClassicSimilarity], result of:
      0.01362382 = score(doc=4217,freq=2.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.13607939 = fieldWeight in 4217, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03125 = fieldNorm(doc=4217)
    0.008810576 = product of:
      0.017621152 = sum of:
        0.017621152 = weight(_text_:22 in 4217) [ClassicSimilarity], result of:
          0.017621152 = score(doc=4217,freq=2.0), product of:
            0.11386081 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.03251466 = 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)
  0.14285715 = coord(2/14)

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

0.002794699 = product of:
  0.019562893 = sum of:
    0.010217865 = weight(_text_:zur in 6481) [ClassicSimilarity], result of:
      0.010217865 = score(doc=6481,freq=2.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.10205954 = fieldWeight in 6481, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.0234375 = fieldNorm(doc=6481)
    0.009345028 = product of:
      0.018690055 = sum of:
        0.018690055 = weight(_text_:22 in 6481) [ClassicSimilarity], result of:
          0.018690055 = score(doc=6481,freq=4.0), product of:
            0.11386081 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.03251466 = queryNorm
            0.16414827 = fieldWeight in 6481, product of:
              2.0 = tf(freq=4.0), with freq of:
                4.0 = termFreq=4.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.0234375 = fieldNorm(doc=6481)
      0.5 = coord(1/2)
  0.14285715 = coord(2/14)

Content

Nimmt man noch hinzu, daß 35 Prozent (hochgerechnet 22 Millionen Bürger) glauben, Kinder, die den Umgang mit dem Internet nicht beherrschen, seien auch - was immer das heißen mag - privat benachteiligt, dann läßt sich bemerken, daß das Internet für viele offenbar bereits mindestens den Stellenwert der früheren Alphabetisierung einnimmt. Man könnte gar vermuten, daß diese mitsamt anderen Grundkenntnissen hintan gesetzt wird, wenn die Hälfte der Haushalte mit des Satz übereinstimmt, daß die Kinder so früh wie möglich ans Internet herangeflihrt werden müßten. Aber, wie gesagt, bei Befragungen, die nur bestimmte Meinungen abhaken, fallen Zwischentöne und reflektierte Meinungen schlicht unter den Tisch. Bei 34 Prozent der Haushalte herrscht die Meinung vor, daß die Schulen für die Internetkompetenz genug machen, 74 Prozent sehen Eltern oder ältere Geschwister in der Pflicht, dem Web-Nachwuchs die notwendigen Fertigkeiten nahezubringen. Wie auch immer, so scheint die Intemetnutzung bereits ziemlich hoch zu sein. 25 Prozent der 6- bis 18-Jährigen gehen mehrmals im Monat, 30 Prozent mehrmals in der Woche, 9 Prozent mehrmals täglich ins Internet, wobei bei den unter 14-Jährigen schon 47 Prozent mehrmals wöchentlich online sind. Nur 26 Prozent haben nach der Befragung noch keine Erfahrung mit dem Internet, was sich aber bei 9 Prozent noch in diesem Jahr ändern soll. Lediglich 15,8 Prozent der Befragten gaben an, dass eine Internetnutzung "nicht geplant" sei. Für den Standort Deutschland ist erfreulich, daß sich 83 Prozent der Kinder und Jugendlichen "regelmäßig" über das Internet "gezielt" Informationen beschaffen, auch wenn wir nicht genau wissen, um welche Art der Informationen es sich dabei handelt. Bei der Befragung ging es um spezielle Interessen (Sport, Hobby etc.), was dann schon wahrscheinlicher klingt.

Date

21. 6.2005 21:22:09

Footnote

Vgl. auch: http://heise-online.de/tp/deutsch/inhalt/te/9149/1.html und zur Studie: http://www.aolpresse.de/aol/studien.shtml

0.002432825 = product of:
  0.03405955 = sum of:
    0.03405955 = weight(_text_:zur in 3180) [ClassicSimilarity], result of:
      0.03405955 = score(doc=3180,freq=8.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.34019846 = fieldWeight in 3180, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.0390625 = fieldNorm(doc=3180)
  0.071428575 = coord(1/14)

Abstract

Vor der Jahrtausendwende wachsen die Endzeit-Ängste. Man glaubt, über eine Schwelle in ein neues Zeitalter zu gehen, während das alte mit seinen Krisensymptomen hinter einem zusammenbricht. Das symbolische Datum eines Kalenders, der sich durch die Kolonialisierung weltweit verbreitet hat, aber der nichtsdestoweniger willkürlich ist, was die Zählung der Jahre seit dem Punkt Null betrifft, zieht die Menschen in den Bann. Auch ohne Erwähnung des symbolischen Datums wähnen wir uns - was seit der Moderne, die sich selbst diesen Namen gegeben hat, zur permanenten Sorge oder Hoffnung wurde - in einer Situation des fundamentalen Umbruchs. War man bis vor kurzem aber im postmodernen Klima der nuklearen Bedrohung und der Grenzen des Wachstums in einem versperrten Horizont mit dem Blick nach rückwärts eingefangen, der höchstens Zeremonien des Abschieds zuließ, die Intellektuellen zur Predigt der Nachgeschichte und Verdammung des Rationalismus brachte, der Esoterik und anderen Heilslehren zur Konjunktur verhalf und ansonsten nichts Neues versprach, so scheint allmählich das Technoimaginäre das Bewußtein der Menschen zu ergreifen und für neue Utopien zu sorgen. Eingesperrt im Wrack des Raumschiffs Erde sehnt man sich nach einem unbelasteten und freien Raum, der die utopischen Energien bindet, weil er noch leer ist und mit allen Erwartungen gefüllt werden kann. Anders als von vielen prophezeit, wird der Raum im Zeitalter der Virtualität erneut zur Obsession.

0.002432825 = product of:
  0.03405955 = sum of:
    0.03405955 = weight(_text_:zur in 5699) [ClassicSimilarity], result of:
      0.03405955 = score(doc=5699,freq=2.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.34019846 = fieldWeight in 5699, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.078125 = fieldNorm(doc=5699)
  0.071428575 = coord(1/14)

Abstract

Die Philosophin und Kognitionswissenschaftlerin Susan Schneider führt ungelöste Probleme für die Implantation von Chips im Gehirn zur kognitiven Optimierung an.

0.0024083739 = product of:
  0.033717234 = sum of:
    0.033717234 = weight(_text_:zur in 3977) [ClassicSimilarity], result of:
      0.033717234 = score(doc=3977,freq=4.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.3367793 = fieldWeight in 3977, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.0546875 = fieldNorm(doc=3977)
  0.071428575 = coord(1/14)

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.

0.0024083739 = product of:
  0.033717234 = sum of:
    0.033717234 = weight(_text_:zur in 5954) [ClassicSimilarity], result of:
      0.033717234 = score(doc=5954,freq=4.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.3367793 = fieldWeight in 5954, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.0546875 = fieldNorm(doc=5954)
  0.071428575 = coord(1/14)

Abstract

"Datenrasterung". "Gläserner Versicherter". Jetzt äußert sich der Bundesdatenschutzbeauftragte zu dem ungeheuerlichen Vorgang. Es ist schlimmer, als bisher angenommen. Und es zeigt, welche Manöver die Bundesregierung unternommen hat, um Datenschutzrechte von 73 Millionen gesetzlich Versicherter auszuhebeln, ohne dass die betroffenen Bürger selbst davon erfahren. Aber das ist, wie sich jetzt herausstellt, noch nicht alles. Am Montag hatte Telepolis aufgedeckt, dass CDU/CSU und SPD mit Hilfe eines von der Öffentlichkeit unbemerkten Änderungsantrags zum EPA-Gesetz (Elektronische Patientenakte) das erst im November im Digitale-Versorgung-Gesetz (DVG) (Wie man Datenschutz als Versorgungsinnovation framet) festgeschriebene Einwilligungserfordernis zur individualisierten Datenauswertung durch die Krankenkassen still und leise wieder beseitigt haben (zur genauen Einordnung des aktuellen Vorgangs: EPA-Datengesetz - Sie haben den Affen übersehen).

0.00194626 = product of:
  0.02724764 = sum of:
    0.02724764 = weight(_text_:zur in 5845) [ClassicSimilarity], result of:
      0.02724764 = score(doc=5845,freq=2.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.27215877 = fieldWeight in 5845, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.0625 = fieldNorm(doc=5845)
  0.071428575 = coord(1/14)

Abstract

Öffentlich war bisher zur Bewältigung der Corona-Krise nur eine Tracing App angekündigt worden. Letzte Woche dann überraschte das Robert-Koch-Institut mit einer App, die Gesundheitsdaten an die Bundesbehörde übermitteln soll. Geplant waren sogenannte Datenspenden seit Langem.

0.0017029776 = product of:
  0.023841685 = sum of:
    0.023841685 = weight(_text_:zur in 5826) [ClassicSimilarity], result of:
      0.023841685 = score(doc=5826,freq=2.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.23813893 = fieldWeight in 5826, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.0546875 = fieldNorm(doc=5826)
  0.071428575 = coord(1/14)

Abstract

Extralegale Bestrafungssysteme: China will ehrliches Verhalten durch Überwachung, Bestrafung und Privilegien konditionieren, im Kapitalismus werden Privilegien bislang durch Geld reguliert. 2014 hat China begonnen, sein Sozialkreditsystem einzuführen, geplant ist die grundsätzliche Umsetzung bis 2020. Ab dann werden auch alle Unternehmen durch Zusammenfassung vorhandener Daten nach Punkten bewertet, auch die ausländischen. So könnten die auch politisch angepassten Unternehmen mit einer geringeren Steuer, weniger Auflagen und Staatsaufträgen belohnt werden. Man braucht allerdings auch nicht nur mit dem Finger auf China zu zeigen. In Deutschland gibt es mit dem privatwirtschaftlichen Unternehmen Schufa schon lange ein solches Scoring-System zur Bonitätsprüfung mit durchaus folgenschweren Sanktionen.

0.0012641329 = product of:
  0.01769786 = sum of:
    0.01769786 = weight(_text_:zur in 1643) [ClassicSimilarity], result of:
      0.01769786 = score(doc=1643,freq=6.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.1767723 = fieldWeight in 1643, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.0234375 = fieldNorm(doc=1643)
  0.071428575 = coord(1/14)

Content

Wer stundenlang und täglich vor dem Computer sitzt und spielt, trainiert bestimmte Fähigkeiten (und vernachlässigt andere, die verkümmern, was aber schon sehr viel schwieriger nachzuweisen wäre). Computerspiele erfordern, dass deren Benutzer sich beispielsweise aktiv visuell orientieren müssen - und dies schnell sowie mit anhaltender Konzentration. Zudem muss das Gesehene (oder Gehörte) schnell in Reaktionen umgesetzt werden, was senso-motorische Fähigkeiten, also beispielsweise die Koordination von Auge und Hand, fördert. Das aber war nicht Gegenstand der Studie. Nach den Experimenten der Kognitionswissenschaftler vom Center for Visual Sciences an der University of Rochester, New York, lernen die Computerspieler sogar nicht nur die Bewältigung von bestimmten Aufgaben, sondern können das Gelernte auf andere Aufgaben übertragen, wodurch sie allgemein die visuelle Aufmerksamkeit stärken. Untersucht wurden dabei, wie C. Shawn Green und Daphne Bavellier in [[External Link]] Nature schreiben, Personen zwischen 18 und 23 Jahren, die Action-Spiele wie Grand Theft Auto3, Half-Life, Counter-Strike, 007 oder Spider-Man während des letzten halben Jahres mindestens an vier Tagen in der Woche und mindestens eine Stunde am Tag gespielt haben. Darunter befanden sich allerdings keine Frauen! Die Wissenschaftler hatten keine Studentinnen mit der notwendigen Shooter-Spiele--Praxis finden können. Verglichen wurden die Leistungen in den Tests mit denen von Nichtspielern. Zur Kontrolle mussten Nichtspieler - darunter dann auch Frauen - an 10 aufeinander folgenden Tagen jeweils mindestens eine Stunde sich an Shooter-Spielen trainieren, wodurch sich tatsächlich die visuellen Aufmerksamkeitsleistungen steigerten. Das mag schließlich in der Tat bei manchen Aufgaben hilfreich sein, verbessert aber weder allgemein die Aufmerksamkeit noch andere kognitive Fähigkeiten, die nicht mit der visuellen Orientierung und Reaktion zu tun haben. Computerspieler, die Action-Spiele-Erfahrung haben, besitzen beispielsweise eine höhere Aufmerksamkeitskapazität, die sich weit weniger schnell erschöpft wie bei den Nichtspielern. So haben sie auch nach einer anstrengenden Bewältigung von Aufgaben noch die Fähigkeit, neben der Aufgabe Ablenkungen zu verarbeiten. Sie können sich beispielsweise auch längere Zahlenreihen, die den Versuchspersonen kurz auf dem Bildschirm gezeigt werden, merken. Zudem konnten die Spieler ihre Aufmerksamkeit weitaus besser auch in ungewohnten Situationen auf die Erfassung eines räumlichen Feldes erstrecken als Nichtspieler. Dabei mussten zuerst Objekte in einem dichten Feld identifiziert und dann schnell durch Umschalten der Fokussierung ein weiteres Umfeld erkundet werden. Der Druck, schnell auf mehrere visuelle Reize reagieren zu müssen, fördert, so die Wissenschaftler, die Fähigkeit, Reize über die Zeit hinweg zu verarbeiten und "Flaschenhals"-Situationen der Aufmerksamkeit zu vermeiden. Sie sind auch besser in der Lage, von einer Aufgabe zur nächsten zu springen. Wie die Wissenschaftler selbst feststellen, könnte man natürlich angesichts dieser Ergebnisse einwenden, dass die Fähigkeiten nicht mit der Beschäftigung mit Computerspielen entstehen, sondern dass Menschen, deren visuelle Aufmerksamkeit und senso-motorische Koordination besser ist, sich lieber mit dieser Art von Spielen beschäftigen, weil sie dort auch besser belohnt werden als die Ungeschickten. Aus diesem Grund hat man eine Gruppe von Nichtspielern gebeten, mindesten eine Stunde am Tag während zehn aufeinander folgenden Tagen, "Medal of Honor" zu spielen, während eine Kontrollgruppe "Tetris" bekam. Tetris verlangt ganz andere Leistungen wie ein Shooter-Spiel. Der Benutzer muss seine Aufmerksamkeit zu jeder Zeit auf jeweils ein Objekt richten, während die Aufmerksamkeit der Shooter-Spieler auf den ganzen Raum verteilt sein und ständig mit Unvorgesehenem rechnen muss, das aus irgendeiner Ecke auftaucht. Tetris-Spieler müssten also, wenn Aufmerksamkeit spezifisch von Spieleanforderungen trainiert wird, in den Tests zur visuellen Aufmerksamkeit anders abschneiden.

0.0012586538 = product of:
  0.017621152 = sum of:
    0.017621152 = product of:
      0.035242304 = sum of:
        0.035242304 = weight(_text_:22 in 3978) [ClassicSimilarity], result of:
          0.035242304 = score(doc=3978,freq=2.0), product of:
            0.11386081 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.03251466 = queryNorm
            0.30952093 = fieldWeight in 3978, 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=3978)
      0.5 = coord(1/2)
  0.071428575 = coord(1/14)

Issue

[22. November 2017].

9.7313E-4 = product of:
  0.01362382 = sum of:
    0.01362382 = weight(_text_:zur in 5262) [ClassicSimilarity], result of:
      0.01362382 = score(doc=5262,freq=2.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.13607939 = fieldWeight in 5262, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03125 = fieldNorm(doc=5262)
  0.071428575 = coord(1/14)

Content

Fotografie wurde seit ihrem Beginn wegen ihrer Entsubjektivierung gefeiert. Im Unterschied zur Malerei von der Bildherstellung durch den Apparat und die Lichtmalerei ersetzt wird. Deswegen wurde Fotografie als objektives Medium verherrlicht. Was von dem Objektiv aufgenommen wurde, soll es da auch gegeben haben. Der Druck auf den Auslöserknopf setzte die Wahrheitsbildgebung in Kraft, auch wenn der Ausschnitt, die Belichtung oder die Schärfe die Darstellung der Szene verändert. Mit der digitalen Fotografie hat sich das Misstrauen in das fotografische Bild extrem verstärkt - zu Recht. Zwar konnten auch schon zuvor Bilder manipuliert werden, nicht nur mit Nachbearbeitung, sondern auch, was überhaupt aufgenommen und wie das Bild beschrieben wird, digital ist aber das Foto bestenfalls Ausgangsbasis für Verabeitungen. Mit Mitteln der Künstlichen Intelligenz lassen sich fotorealistische Fakes noch leichter bewerkstelligen. Ein Bild ist kein Beweis für etwas Wirkliches mehr, sondern nur noch ein - auch bewegtes - Bild, das ebenso wenig oder viel Glaubwürdigkeit hat wie beispielsweise ein Text. Vertrauen muss in die Quelle gesetzt werden, die Bilder oder Texte produziert und verbreitet. Deepfakes nennt man fotorealistische Bilder und Videos, die manipuliert sind. Das Problem ist, dass diese immer leichter herstellbaren verfälschten Bilder auch als Belege für politische Zwecke verwendet werden können. Noch immer glauben viele traditionsverhaftet eher scheinbar objektiv generierten Bildern als etwa Texten. Die seit Februar existierende Website ThisPersonDoesNotExist.com zeigt, wie leicht wir getäuscht werden können. Mit der Hilfe des KI-Algorithmus StyleGAN von Nvidia wird hier demonstriert, wie täuschend realistische Bilder von Personen erzeugt werden können, die es nicht gibt. Dabei konkurrieren gewissermaßen zwei neuronale Netze, die mit Bildern von Gesichtern von Prominenten und von Menschen auf Flickr gefüttert wurden, gegeneinander an.

7.298475E-4 = product of:
  0.010217865 = sum of:
    0.010217865 = weight(_text_:zur in 3385) [ClassicSimilarity], result of:
      0.010217865 = score(doc=3385,freq=2.0), product of:
        0.10011671 = queryWeight, product of:
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.03251466 = queryNorm
        0.10205954 = fieldWeight in 3385, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.079125 = idf(docFreq=5528, maxDocs=44218)
          0.0234375 = fieldNorm(doc=3385)
  0.071428575 = coord(1/14)

Content

"Wie könnten Computer Sprache lernen und dabei auch die Bedeutung von Worten sowie die Beziehungen zwischen ihnen verstehen? Dieses Problem der Semantik stellt eine gewaltige, bislang nur ansatzweise bewältigte Aufgabe dar, da Worte und Wortverbindungen oft mehrere oder auch viele Bedeutungen haben, die zudem vom außersprachlichen Kontext abhängen. Die beiden holländischen (Ein künstliches Bewusstsein aus einfachen Aussagen (1)). Paul Vitanyi (2) und Rudi Cilibrasi vom Nationalen Institut für Mathematik und Informatik (3) in Amsterdam schlagen eine elegante Lösung vor: zum Nachschlagen im Internet, der größten Datenbank, die es gibt, wird einfach Google benutzt. Objekte wie eine Maus können mit ihren Namen "Maus" benannt werden, die Bedeutung allgemeiner Begriffe muss aus ihrem Kontext gelernt werden. Ein semantisches Web zur Repräsentation von Wissen besteht aus den möglichen Verbindungen, die Objekte und ihre Namen eingehen können. Natürlich können in der Wirklichkeit neue Namen, aber auch neue Bedeutungen und damit neue Verknüpfungen geschaffen werden. Sprache ist lebendig und flexibel. Um einer Künstlichen Intelligenz alle Wortbedeutungen beizubringen, müsste mit der Hilfe von menschlichen Experten oder auch vielen Mitarbeitern eine riesige Datenbank mit den möglichen semantischen Netzen aufgebaut und dazu noch ständig aktualisiert werden. Das aber müsste gar nicht notwendig sein, denn mit dem Web gibt es nicht nur die größte und weitgehend kostenlos benutzbare semantische Datenbank, sie wird auch ständig von zahllosen Internetnutzern aktualisiert. Zudem gibt es Suchmaschinen wie Google, die Verbindungen zwischen Worten und damit deren Bedeutungskontext in der Praxis in ihrer Wahrscheinlichkeit quantitativ mit der Angabe der Webseiten, auf denen sie gefunden wurden, messen.