Maschinelles Lernen

Pixelmator Pro integriert Apples Core-ML-Schnittstelle, um Funktionen wie Bilderkennung zu realisieren. Die Software soll im Vergleich zur Adobe Creative Cloud besonders preisgünstig und daher für "jedermann" sein - vorausgesetzt "jedermann" ist Mac-Nutzer.

Hot Chips Statt auf fest verdrahtete ASICs, wie Googles TPU, setzt Microsoft für sein Azure-Cloud-Geschäft auf flexiblere FPGAs. Mit diesen sollen künftig Machine-Learning-Modelle beschleunigt werden, um "Echtzeit-KI" bereitzustellen.

Zugriff auf die API von Starcraft 2, Werkzeuge für Forscher auf Basis von Linux und Replays von Tausenden von Partien: Blizzard und die Google-Tochter Deepmind Technologies haben eine Reihe von Tools ins Netz gestellt, mit denen KI-Forscher an neuen Algorithmen arbeiten können.

Eine neue Form von Cloud wird für 5G gebraucht. Plattformen dieser Art existierten bisher nicht. Mit NGPaaS will ein Konsortium etwas ganz Neues schaffen.

Um terroristische und andere rechtswidrige Inhalte zu erkennen, setzt Youtube neuerdings maschinelles Lernen ein. Erste Erfolge sprechen für das System. Trotzdem sind Menschen für die Filterung solcher Videos noch unverzichtbar.

Forscher des MIT demonstrieren mit Maschinenlernen, wie zeitintensive Bildbearbeitung von einem Smartphone automatisiert erledigt werden kann. Die Bildverbesserung arbeitet in Echtzeit.

Update Microsoft kooperiert beim autonomen Fahren mit dem chinesischen Unternehmen Baidu. Baidu hat mit Apollo jüngst ein Open-Source-Betriebssystem für autonome Autos vorgestellt, das jede Autofirma nutzen kann.

Anhand von Streetview-Bildern nutzt Google maschinelles Lernen, um realistische Panoramen zu erstellen. Der Algorithmus nimmt auch professionelle Aufnahmen als Referenz. Das Ergebnis beeindruckt Fotografen.

Amazon kann sich offenbar mit seinem Lebensmittellieferservice nicht durchsetzen und kauft darum die weltgrößte Biosupermarktkette Whole Foods Market.

Die Forschungsabteilung von Facebook zeigt, dass eines ihrer Modelle extrem gut skaliert. Das Training zum Erkennen und Klassifizieren von rund 1,2 Millionen Bildern benötigt mit 256 Nvidia-GPUs nur 1 Stunde statt 29 Stunden mit acht GPUs.

Adobe Scan nimmt per Smartphonekamera ein beliebiges Dokument auf und wandelt das Bild in eine PDF-Datei um. Der erkannte Text kann markiert und kopiert werden. Die OCR-Software kann bisher aber keine Handschrift lesen.

Für das aktuelle Qt 5.9 hat das Entwicklerteam seine eigenen Werkzeuge überarbeitet. Das soll die Langzeitpflege des Frameworks vereinfachen. Qt 5.9 verbessert zudem die 3D-Funktionen und verkleinert den Binärcode.

I/O 2017 Die von Google unterstützte Machine-Learning-Bibliothek Tensorflow soll in einer für Mobilgeräte optimierten Version erscheinen. Dieses Tensorflow Lite bekommt außerdem eine API für neuronale Netze an die Seite.

I/O 2017 Die zweite Generation von Googles TPU kann nicht nur Modelle anwenden, sondern beschleunigt auch massiv das Training für maschinelles Lernen. Ein Cluster aus 64 der neuen TPU erreicht 11,5 PFlops und kann in der Cloud gemietet werden.

Build 2017 Ob Japanisch, Spanisch oder Deutsch: Der Presentation Translator für Microsoft Powerpoint kann die Worte eines Präsentators übersetzen, zumindest, wenn dieser eine von zehn Sprachen spricht. Möglich macht dies künstliche Intelligenz in der Cloud.

Ein neues System zur maschinellen Übersetzung von Facebook liefert leicht bessere Ergebnisse als das bisher beste von Google und ist dabei sogar noch schneller. Anders als Google stellt Facebook den Code und die Trainingsdaten frei zur Verfügung.

Tinder-Bilder sind kein Match für Gesichtserkennung: Ein Programmierer aus den USA hat sich mehrere Zehntausend Bilder aus der Dating-App Tinder beschafft. Er hat sie ins Netz gestellt, damit Algorithmen für die Gesichtserkennung daran trainiert werden können.

Die Alphabet-Tochter Deepmind will bei der Krebsbehandlung helfen und schlägt menschliche Spieler in Go. Das nun verfügbare Open-Source-Framework Sonnet soll die Forschung an maschinellem Lernen in der Öffentlichkeit vorantreiben.

Zum maschinellen Lernen benötigt Google möglichst relevante, also echte Daten. Deshalb wird das Modell für die Android-Tastatur Gboard einfach auf Smartphones angelernt und später auf dem Server zusammengesetzt - eine radikale Abkehr von bisherigen Herangehensweisen.

Adobe Research arbeitet an einer App, mit der bessere Selbstporträts aufgenommen werden können. Dabei wird maschinelles Lernen eingesetzt, um einen Aufnahmestil auf das eigene Foto zu übertragen, die Perspektive zu modifizieren oder den Hintergrund unscharf zu stellen.

Die von Google selbst entwickelten Machine-Learning-Chips, die Tensor Processing Units, sollen weitaus flotter und obendrein effizienter rechnen als Grafikkarten oder Prozessoren. Spannend ist dabei der interne Aufbau der ASICs.

Partner halten zusammen: Fujitsu stellt neue Oracle-Sparc-Systeme für schwere Datenlasten vor. Die langjährigen Partner haben sogar Pläne für Sparc-Chips bis in das Jahr 2021 hinein.

Ein Sicherheitschip, eine Videoanalysesoftware und mehr Leistung für virtuelle Maschinen sind unter den vielen Ankündigungen auf Googles Konferenz Cloud Next. Preissenkungen und eine verlängerte Demozeit sollen noch mehr Kunden anziehen.

Mit Quick Access sollen Drive-Nutzer die richtigen Dateien zum richtigen Zeitpunkt finden: Dank Maschinenlernen zeigt Googles Onlinespeicherdienst künftig Dateien in einem separaten Bereich an, die das System für momentan wichtig hält.

Wie lässt sich Krebs früh erkennen? Was ist auf einem Video zu sehen? Wer gewinnt ein Sportturnier? Kaggle biete eine Plattform für Datenforscher, um die dafür nötigen Modelle zu entwickeln. Google hat Interesse, die Plattform zu kaufen.

Einstein allein ist nicht genug: Im Zuge einer Partnerschaft soll IBMs Watson das Unternehmen Salesforce unterstützen. Auch Wetterdaten und automatisierte Marktanalysen sollen die Kundenberatung verbessern.

Webseiten können zukünftig Onlinekommentare auf ihr Troll- und Belästigungspotenzial prüfen. Der neue Service stammt von Google und soll kostenlos sein.

Komplexe Berechnungen mit Grafikeinheiten ausführen: Das soll jetzt auch auf der Google Cloud Platform möglich sein. Dafür sorgen vorerst Nvidias Tesla-K80-Chips, AMD-Grafikkarten sollen folgen.

Das Deep-Learning-Framwork Tensorflow von Google verspricht mit Version 1.0 Stabilität für seine Python-API und beschleunigt die aktuelle und zukünftige Arbeit mit der Einführung des domain-spezifischen Algebra-Compilers.

Wenn wir künftig mehr personalisierte Werbung bekommen, könnte das an Einstein liegen. Die Software soll es Salesforce-Nutzern ermöglichen, Kundenverhalten oder Produkttrends vorauszusehen. Dazu bedient sich die KI der kompletten Salesforce-Datenbank - einschließlich Chat und Mail.

Über seine Lumos-Plattform verbessert Facebook die Bildersuche innerhalb des sozialen Netzwerks: Deep Learning soll es Nutzern ermöglichen, künftig auch nach Bildinhalten suchen zu können, die nicht vom Fotografen selbst getaggt wurden.

Auf den Smartphone-Markt kommt möglicherweise wieder mehr Bewegung. Android-Erfinder Andy Rubin will noch im Sommer 2017 neue Smartphones vorstellen, die sich durch hochwertige Materialien, KI und Erweiterbarkeit auszeichnen sollen.

Schneller ist All-Flash-Speicher im Server-Bereich zweifellos, und doch dominieren traditionelle Festplatten diesen Markt. Der Konzern IBM will dies mit Flash-Bausteinen für seine DS8880F-Geräte ändern, verschweigt aber etwas Wichtiges: den Preis.

Auch Amazon kündigt wie Donald Trump für "USA zuerst" Arbeitsplätze an. Der Konzern expandiert derweil weiter im Ausland.

CES 2017 Das Unternehmen Sen.se bringt mit dem Sleeppeanut einen kleinen Sensor, mit dem sich einfach und vor allem preisgünstig der Schlaf überwachen lassen soll. Das daumengroße Gerät wird unter das Spannbettlacken gelegt und misst dann Bewegungen und die Körperwärme. Eine Internet-Bridge ist nicht nötig.

Der Chiphersteller Intel engagiert sich immer stärker beim autonomen Fahren. Nun will das Unternehmen zusammen mit dem Kartendienst Here eine "hochskalierbare Software-Architektur" entwickeln.

Die Idee, dass Evernote-Mitarbeiter die Notizen der Nutzer zur Verbesserung neuer Maschinenlernfunktionen mitlesen können, ist nicht gut angekommen: Nach Beschwerden zieht das Unternehmen die Pläne zurück. Stattdessen müssen Nutzer der Praxis künftig explizit zustimmen.

Sensoren sollen künftig erkennen, ob Autos und andere Hindernisse vor ihnen in Bewegung sind oder stehen, um Kollisionen zu vermeiden. Ein solches System will Apple patentieren und zeigt damit zum zweiten Mal öffentlich Interesse an Autothemen, die dem Unternehmen seit langem nachgesagt werden.