Bielefelder „UniTeam“ gewinnt Roboter bei internationalem KI-Wettbewerb
Auf der NeurIPS-Konferenz, der weltweit größten Konferenz für maschinelles Lernen, setzte sich die Gruppe „UniTeam“ gegen 79 Teams aus aller Welt durch. Der Preis für diesen Erfolg ist ein Roboter, der Forschung und Lehre in Bielefeld unterstützen soll.
Energieeffiziente künstliche Intelligenz soll Stromverbrauch und CO2-Ausstoß in Rechenzentren reduzieren
Tiefe Neuronale Netze – statistische Verfahren des maschinellen Lernens – sind elementarer Bestandteil der künstlichen Intelligenz (KI). Sie erkennen Muster, analysieren Bilder und verarbeiten Sprache. Aber: Sie sind auch für einen zunehmenden Anteil der Rechenlast und damit für den Energieverbrauch sowie den CO2-Ausstoß in Rechenzentren verantwortlich.
Maschinelles Lernen: Schlaue Kommissionierroboter greifen gemeinsam besser
Autonome, flexibel einsetzbare Roboter gelten als Schlüsseltechnologie für Industrie und Logistik 4.0. Das Problem: Um mit Künstlicher Intelligenz (KI) gesteuerte Roboter zu trainieren, sind sehr große Datenmengen nötig, über die aber nur die wenigsten Unternehmen verfügen.
Wie man sensible Unternehmensdaten für maschinelles Lernen nutzen kann
Wie können Wirtschaftsunternehmen auch sensible Daten nutzen, um Modelle der Künstlichen Intelligenz zu trainieren? Eine Forschungskooperation der Universität Oldenburg mit dem Institut für KI-Sicherheit des Deutschen Zentrums für Luft- und Raumfahrt (DLR) will dies durch den Ansatz des Föderalen Lernens erreichen.
Maschinelles Lernen verbessert die Wiederaufarbeitung von Elektroschrott
Im Projekt »Desire4Electronics« arbeitet das Fraunhofer IPA zusammen mit 10 Projektpartnern daran, die Forschung zu automatisierten Demontageprozessen für die Wiederaufarbeitung, das sog. Remanufacturing, von Elektrokleingeräten voranzutreiben.