006 Spezielle Computerverfahren
Refine
Document Type
Year of publication
Institute
Has Fulltext
- yes (36)
Keywords
- machine learning (7)
- Künstliche Intelligenz (5)
- artificial intelligence (4)
- AI (3)
- deep learning (3)
- Twitter (2)
- microbiome (2)
- Android (1)
- Artificial intelligence (1)
- Automatisierte Fotografie (1)
Ist der Suchschlitz ein Vintage Look&Feel des letzten Jahrhunderts? Oder - die Frage sei erlaubt, - unter welchen Bedingungen es Bibliotheken schaffen könnten, dass Nutzerinnen und Nutzer die Erstsuche nach Informationen über sie laufen lassen? Das sind beispielhafte Fragen, die man sich angesichts gewonnener Erfahrungen aus bisherigen Innovationen stellen kann, aber ebenfalls mit Blick auf das, was Neues an Technologien sich auf dem Markt befindet und zunehmend viele Lebensbereiche durchdringt. Das Forschungsgebiet der Künstlichen Intelligenz (KI) ist in aller Munde und fordert von Informationseinrichtungen eine Antwort darauf, ob der Einsatz von KI-Technologien als weitere Facette der Automatisierung und Digitalisierung von Workflows und Service in Bibliotheken sinnvoll und hilfreich, und ob Engagement auf dieser Linie notwendig ist. Auch wenn sich Bibliotheken in ihrem steten Bemühen um Innovation mit ihrer Belegschaft und Leitungen noch differenziert bis reserviert zu KI bekennen, ist ein weiterer Verlauf der Entwicklungen gemäß dem chinesischen Sprichwort "Was du nicht aufhalten kannst, solltest du begrüßen", absehbar. Was heißt das aber für Bibliotheken, den Wandel zu gestalten bis hin zu dem Moment, wenn ein Dienst über die Pilot-, Prototyp- und damit Projektphase hinaus als fester Bestandteil des Serviceangebots fest etabliert und verstetigt werden soll? Welche Ressourcen und Kompetenzen sind z.B. in der Konsequenz von der Einrichtung selbst vorzuhalten? Weitere Fragen betreffen die Bewältigung der Masse an Daten und ihre Offenheit für die Anwendung von KI-Algorithmen.
Ist die Suche im Bibliothekskatalog ein Auslaufmodell? Oder die Frage sei erlaubt, unter welchen Bedingungen es Bibliotheken schaffen könnten, dass Nutzer/-innen die Erstsuche nach Informationen über sie laufen lassen? Das sind beispielhafte Fragen, die man sich angesichts gewonnener Erfahrungen aus bisherigen Innovationen stellen kann, aber ebenfalls mit Blick auf das, was Neues an Technologien sich auf dem Markt befindet und zunehmend viele Lebensbereiche durchdringt. Das Forschungsgebiet der Künstlichen Intelligenz (KI) ist in aller Munde und fordert von Informationseinrichtungen eine Antwort darauf, ob der Einsatz von KI-Technologien als weitere Facette der Automatisierung und Digitalisierung von Workflows und Service in Bibliotheken sinnvoll und hilfreich, und ob Engagement auf dieser Linie notwendig ist. Auch wenn sich Bibliotheken in ihrem steten Bemühen um Innovation mit ihrer Belegschaft und Leitungen noch differenziert bis reserviert zu KI bekennen, ist ein weiterer Verlauf der Entwicklungen gemäß dem chinesischen Sprichwort: Was du nicht aufhalten kannst, solltest du begrüßen, absehbar. Was heißt das aber für Bibliotheken, den Wandel zu gestalten bis hin zu dem Moment, wenn ein Dienst über die Pilot-, Prototyp- und damit Projektphase hinaus als fester Bestandteil des Serviceangebots fest etabliert und verstetigt werden soll? Welche Ressourcen und Kompetenzen sind z.B. in der Konsequenz von der Einrichtung selbst vorzuhalten? Weitere Fragen betreffen die Bewältigung der Masse an Daten und ihre Offenheit für die Anwendung von KI-Algorithmen.
Mit diesem Beitrag soll der Einsatz von iBeacons als Basis eines Indoor-Ortungssystems in der Hochschulbibliothek der Technischen Hochschule Wildau vorgestellt werden. Für die Ortung innerhalb von Gebäuden sind bisher unterschiedliche Strategien zum Einsatz gekommen. Die von Apple Inc. entwickelte iBeacon-Technologie kommuniziert über Bluetooth Low Energy (BLE) und setzt somit eine Technologie ein, die einen großen Kreis von Nutzern erreicht. Als wesentlicher Teil der Campus-App Unidos Wildau operiert das Ortungssystem auf der Basis des Kartendienstes iCampus Wildau Maps. Gemachte Erfahrungen mit der iBeacon-Technologie werden ebenso im Fokus dieses Beitrags stehen wie Ergebnisse der Implementierung unseres Ortungssystems sowie Pläne für die Weiterentwicklung.
Die Analyse von Unternehmenswerten wird schon seit Jahrzenten durchgeführt. Es gibt verschiedene Modelle, wie zum Beispiel den Ansatz von Hofstede oder das „Universal Value Structure Modell“ von Schwartz, welche die Unternehmenswerte darstellen. Aktuelle Studien empfehlen Unternehmenswerte unter der Nutzung von Natural Language Processing und definierten Wortlisten bei größeren Textdaten zu untersuchen. Ziel der vorliegenden Analyse war zu identifizieren, ob die deutschen Übersetzungen der bisher englischsprachigen Ansätze im Kontext von Online-Stellenanzeigen funktional anwendbar sind. Daher wurden ca. 151.000 online-Stellenanzeigen von ca. 29.000 Unternehmen mittels drei Wortlisten analysiert. Der Umfang der verwendeten Listen lag zwischen 126 und 944 deutschen Wörtern. Die Ergebnisse zeigen, dass a) alle angewendeten Wortlisten grundsätzlich funktional sind, b) dass einer der Listen jedoch herausragende Ergebnisse aufweist, welcher jedoch c) um fehlende Begriffe der beiden anderen Ansätze erweitert werden kann. Somit können Unternehmen ein eigenes Werteprofil Ihrer externen Online-Kommunikation ermitteln und dieses mit den internen Wertvorstellungen bzw. dem intern erhobenen realen Werteprofil abgleichen.
ChatGPT is a fascinating AI text generator tool. It is a language model developed by OpenAI, a research and deployment company with the mission, according to OpenAI’s website: “to ensure that artificial general intelligence benefits all of humanity”. ChatGPT is able to generate human-like texts. But how does it work? What about the quality of the texts it provides? And is it capable of being self-reflective? Information sources must be efficient, effective and reliable in education, in order to enhance students’ learning process. For this reason, we started a dialogue with ChatGPT-3 while using, among others, a SWOT analysis it generated about its own functioning in an educational setting. This enabled us, as human authors, to analyze the extent to which this AI system is able to practice self-reflection. Finally, the paper sketches implications for education and future research.
Despite the progress of Artificial Intelligence (AI) and its contribution to the advancement of human society, the prioritization of ethical principles from the viewpoint of its users has not yet received much attention and empirical investigations. This is important to develop appropriate safeguards and increase the acceptance of AI-mediated technologies among all members of society. In this research, we collected, integrated, and prioritized ethical principles for AI systems with respect to their relevance in different real-life application scenarios. First, an overview of ethical principles for AI was systematically derived from various academic and non-academic sources. Our results clearly show that transparency, justice and fairness, non-maleficence, responsibility, and privacy are most frequently mentioned in this corpus of documents. Next, an empirical survey to systematically identify users’ priorities was designed and conducted in the context of selected scenarios: AI-mediated recruitment (human resources), predictive policing, autonomous vehicles, and hospital robots. We anticipate that the resulting ranking can serve as a valuable basis for formulating requirements for AI-mediated solutions and creating AI algorithms that prioritize user’s needs. Our target audience includes everyone who will be affected by AI systems, e.g., policy makers, algorithm developers, and system managers as our ranking clearly depicts user’s awareness regarding AI ethics.
An open source project for secure mobile voice communication over IP using strong end-to-end encryption was launched. In its first stage, a solution using Android an two different standard PDA platforms, a central Linux system with Asterisk, and Open VPN with OpenSSL encryption was realized. SIP-based Voice communication over WLAN with end-to-end security was successfully implemented. Concept, approach, first results and outlook on further work are presented.
Dieser Beitrag bietet eine kritische Bestandsaufnahme des Predictive Policing am Beispiel der Dimension Raum. Unter Berücksichtigung der aktuellen Entwicklungen des europäischen AI-Acts werden Maßnahmen und Methoden beleuchtet und aus ethischer Perspektive reflektiert und diskutiert. Das methodische Fundament bildet eine systematische Literaturanalyse anhand einer Korpusanalyse zu Techniken des Predictive Policing. Es werden vorhandene wissenschaftliche Vorarbeiten vorgestellt und ethische Fragestellungen im Zusammenhang mit der Verwendung von Daten für Predictive Policing untersucht. Der Beitrag eröffnet wichtige Fragen, die es weiter zu erforschen gilt. Die aktuellen Entwicklungen im Rahmen des AI-Acts bestätigen die Relevanz der Thematik.
An artificial neural network (ANN) type multilayerperceptron with sigmoid activation function and errorbackpropagation learning algorithm was applied to predict heat transfer performances in a wide range of pressure and wall superheat at bubble boiling in free convection of two single component systems. For both systems the ANN prediction results were compared with the commonly used conventional correlation and gave in one case a comparable in the other a better accuracy. To improve the accuracy of ANN prediction it is possible to use interpolated experimental data for training and to optimise the network configuration.
Ein künstliches neuronales Netz (KNN) ist dem biologischen neuronalen Netz, wie es z. B. im menschlichen Gehirn vorliegt, nachempfunden. Dieses besteht aus 10^10 bis 10^11 Nervenzellen (Neuronen), wobei jeweils eine mit 10^3 bis 10^4 anderen Zellen verbunden ist. Eine Zelle besteht u. a. aus dem Zellkörper mit Zellkern, Dendriten und Synapsen. Über die Dendriten erhält die Zelle elektrische Impulse, die im Zellkern aufsummiert werden. Wird ein Schwellwert (engl. bias) überschritten, so wird ein Signal über die Synapsen an andere Neuronen gesendet. Analog enthält ein KNN „künstliche“, formal-mathematische Neuronen, die in Schichten (engl. layer) angeordnet und über Synapsen nach bestimmten Regeln miteinander verknüpft sind. Durch die Vielzahl von Verknüpfungsmöglichkeiten ergeben sich eine Vielzahl von KNN-Typen und -Anwendungen. In dieser Arbeit werden das Funktionsprinzip des formalen Neurons, wichtige Netztypen und KNN-Anwendungen in der Wärmeübertragung besprochen.