006 Spezielle Computerverfahren
Refine
Document Type
- Conference Proceeding (3)
- Master's Thesis (2)
Institute
Language
- German (5)
Has Fulltext
- yes (5)
Keywords
- Künstliche Intelligenz (5) (remove)
Dieses Paper präsentiert das Forschungsprojekt „Intelligent Camera Unit“ (ICU) der Technischen Hochschule Wildau in Kooperation mit der Beiersdorf AG zur Verbesserung von Portraitaufnahmen in Probandenstudien für Kosmetikprodukte. Das Hauptziel des Projekt besteht darin, Ausrichtungsfehler zu minimieren und die Vergleichbarkeit von Vorher-Nachher-Bildern zu erhöhen. Dies wird durch die Verwendung eines kollaborativen Roboters und KI-gestützter Bildanalyse erreicht, um präzise Ausrichtung und Gesichtspositionen der Probanden zu gewährleisten. Das entwickelte System ermöglicht effiziente und reproduzierbare Aufnahmen aus verschiedenen Winkeln und Entfernungen und bietet eine benutzerfreundliche, web-basierte Bedienoberfläche.
Die Industrie 5.0 fordert neue Lernansätze und zeitgleich auch passende Lernumgebungen. Parallel müssen diese neben den didaktischen Herausforderungen auch den Transfer- und Übertragungsgedanken auf die industriellen Anwendungen gerecht werden. Durch die täglich steigende Anzahl vielfältiger KI-Tools insbesondere textgenerierenden Tools, braucht es Systeme mit einem breiten Anwendungsbereich. Im Rahmen des vorliegenden Beitrags geben die Autoren einen Einblick in die Wildauer Smart Production, welche den transdisziplinären Gedanken von Lern- und Transferumgebungen Rechnung trägt, Möglichkeiten der Gestaltung komplexer Produktionssysteme widerspiegelt, die Integration menschzentrierter Ansätze ermöglicht und als Forschungsumgebung eingesetzt wird.
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.
Die Verarbeitung natürlicher Sprache durch Maschinen ist fester Bestandteil des Alltags. Die Verarbeitung erfolgt durch technische Sprachmodelle, die bereits viele Aufgaben erfolgreich lösen. Durch die stetige Weiterentwicklung entstehen mächtigere Modelle mit neuen Fähigkeiten. Eines der neuesten ist GPT-3. Das Ziel dieser Masterarbeit ist es, das Sprachmodell GPT-3 und dessen praktischen Einsatz zu untersuchen.
Zur Untersuchung des Modells werden die Fragen gestellt, was GPT-3 von anderen Modellen unterscheidet, wie es funktioniert und in welchen Bereichen es eingesetzt werden kann. Weiterhin wird die Frage untersucht, ob das Modell für den geplanten Chatbot der ZBW – Leibniz Informationszentrum Wirtschaft genutzt werden kann. Zudem wird untersucht, welche Voraussetzungen für einen Einsatz des Modells in einem Chatbot nötig sind.
Für die ersten drei Forschungsfragen wurde eine Literaturrecherche angewendet. Damit wurden Hintergründe zum Modell zusammengetragen, sowie Berichte aus der Praxis berücksichtigt. Für den Einsatz bei einem Chatbot wurde ein Prototyp erstellt, der von den Testpersonen genutzt und bewertet wurde.
Die Auswertung aktueller Literatur zu GPT-3 zeigt, dass sich das Modell durch seine neue Funktionsweise, die Größe der Parameter und Testdaten von anderen abhebt. Dadurch wurden neue Fähigkeiten möglich. GPT-3 kann bei vielen Einsatzgebieten, die auf natürlicher Sprache beruhen, eingesetzt werden. Dies umfasst klassische Natural Language Processing-Aufgaben, sowie neue Bereiche wie etwa die Programmierung. Im praktischen Test zeigte sich, dass es eine hohe Präzision erfordert, das Modell auf neue Themen anzulernen. Die Quote der richtigen Antwort des Chatbots war zu gering, um den Einsatz uneingeschränkt empfehlen zu können. Es bedarf weiterer Untersuchungen, um das Modell für den Einsatz im Chatbot der ZBW zu optimieren.
In dieser Arbeit wurde eine Anwendung entwickelt, die das Verbinden der beiden technischen Bereiche Smart Home und Servicerobotik mit Hilfe von künstlichen neuronalen Netzen (KNN) ermöglicht, um damit Verhaltensabläufe einer Person in ihren eigenen vier Wänden zu erlernen und dabei auf grobe Abweichungen hin zu überwachen. Zusätzlich wurde ein Lernbaukasten für Schülergruppen der Sekundarstufe 2 entwickelt, mit dem die Funktionsweise von KNN vermittelt wird.
Es wurden unterschiedliche Werkzeuge der Künstlichen Intelligenz untersucht sowie Projekte mit ähnlichen Zielen, um darauf aufbauend eine geeignete Anwendung zu entwickeln. Der entwickelte Lernbaukasten basiert auf der Lehrstrategie MOMBI (Model Of Model-Based Instruction).
In der Testphase konnte erfolgreich ein erstes Anwendungsszenario getestet werden, dass das Überwachen des Schlafrhythmus einer Person auf Unregelmäßigkeiten hin ermöglicht.
Ein erster Test hat gezeigt, dass neuronale Netze gut dafür geeignet sind, um Tätigkeiten mit einem regelmäßigen Verhalten zu überwachen. Im nächsten Schritt sollten die zu überwachenden Tätigkeitsvielfalt ausgebaut werden und auch die Verwendung von weiteren Werkzeugen der Künstlichen Intelligenz in Betracht gezogen werden.