Maschinelles Lernen

Metallverarbeitung mittels Laser ermöglicht die automatisierte und präzise Herstellung von komplexen Bauteilen, sei es für die Autoindustrie oder für die Medizin. Die gängigen Verfahren benötigen jedoch aufwändige Vorversuche. Forschende der Empa in Thun nutzen maschinelles Lernen, um Laserverfahren präziser, günstiger und effizienter zu machen.

Forscher der Claremont Graduate University können mit einer Wahrscheinlichkeit von 97 Prozent Vorhersagen zu kommenden Hits abgeben. Möglich wird dies durch maschinelles Lernen (ML), angewandt auf Reaktionen des Gehirns. Die dazugehörige Studie wurde jüngst in "Frontiers in Artificial Intelligence" publiziert. "Durch die ML-Anwendung auf neurophysiologische Daten konnten wir Hits nahezu perfekt identifizieren", so Hauptautor Paul Zak. "Dass die neuronale Aktivität von 33 Personen vorhersagen kann, ob Millionen von anderen Menschen neue Songs gehört haben, ist ziemlich erstaunlich.

Dank einer neuen Technik lernen KI-Modelle künftig kontinuierlich aus neuen Daten auf intelligenten Edge-Geräten wie Smartphones und Sensoren. Damit lassen sich Energiekosten und Datenschutzrisiken verringern. Die Technik entwickeln Forscher des Massachusetts Institute of Technology (MIT) und des MIT-IBM Watson AI Lab. Details werden in wenigen Wochen an der "Conference on Neural Information Processing Systems" präsentiert.

Gerade im Forschungsfeld Künstliche Intelligenz (KI) und ihrer Teildisziplin, dem Maschinellen Lernen (ML), liegen die Schweiz und Europa im Allgemeinen gut im Rennen. Dies bestätigte auch Philippe Cudré-Mauroux, Direktor des Exascale Infolabs und Professor für Informatik an der Universität Fribourg, in einem Gespräch mit der Plattform "Fokus". Der Experte für Nextgen-Infrastrukturen für Big Data und KI räumt jedoch ein, dass Europa und die Schweiz beim praktischen Einsatz der modernen KI- und ML-Modelle im Vergleich zum Spitzenreiter USA und der starken Konkurrenz China zurückliegen.