Liebe/r dida-Interessent/in,
nach der Auszeichnung mit dem “Microsoft AI for Earth Award” im Jahr 2020 wurde unsere Remote-Sensing-Lösung ASMSpotter nun auch vom Internationalen Forschungszentrum für Künstliche Intelligenz der UNESCO als eine von zehn herausragenden KI-Lösungen zur Erreichung der Nachhaltigkeitsziele "Verantwortungsvoller Konsum und Produktion" sowie "Leben an Land" ausgezeichnet. Der zusammen mit unserem Partner Levin Sources entwickelte ASMSpotter hilft, informelle Bergbaugebiete im Amazonas-Regenwald aufzuspüren, um den Bergbau nachhaltiger zu gestalten. Neuerdings wird unsere Software auch vom Ministerium für natürliche Ressourcen von Guyana genutzt. Weitere Informationen dazu gibt es im Guyana-Project-Sheet. Praktisch ausprobieren kann man das Tool auf unserer ASMSpotter-Demo-Seite. Die technischen Grundlagen des ASMSpotters haben wir bereits im November in unserem Webinar “ML für Remote Sensing: Satellitendaten automatisch analysieren” beleuchtet. Für weitere praktische Tipps in diesem Zusammenhang verweisen wir auf unseren neuen Blog-Artikel “Die besten (Python-)Tools für die Fernerkundung”.
Auch im Bereich NLP und ML-basierte Sprachmodelle können wir über spannende neue Kundenprojekte berichten. Die Firma felmo hilft Tierfreund/innen, über eine Webseite die richtige Behandlung für ihre Lieblinge zu finden und direkt einen tierärztlichen Hausbesuch zu buchen. Wir unterstützen felmo mittels Machine Learning und NLP dabei, aus einem eingegebenen Termingrund automatisch die entsprechenden Symptome, Krankheiten und gewünschte Behandlungen abzuleiten. Mehr Details dazu in unserer felmo-Haustier-Case-Study.
Wie sich Suche durch ML-basierte Sprachmodelle verbessern lässt, kann man auch ganz praktisch in unserer neuen FAQ-Demo ausprobieren. Wer z.B. für seine Kund/innen FAQs pflegt, kann diese Frage-Antwort-Paare in unsere Demo kopieren, und dann etwa probieren, bestimmte Fragen auf unterschiedliche Weisen zu stellen. Das Sprachmodell sollte das semantische Matching zum richtigen FAQ-Paar trotz gänzlich unterschiedlicher Wortwahl hinbekommen.
Ein besonderes Sprachmodell ist OpenAI Codex, das viel Aufsehen erregt hat etwa mit seiner Fähigkeit, aus der natürlichsprachlichen Beschreibung einer Computeranwendung den passenden Quellcode in verschiedenen Programmiersprachen zu generieren. Warum es trotzdem auch weiterhin noch menschliche Programmierer/innen gibt, erklärt unser neuer Blog-Artikel “OpenAI Codex: Warum die Revolution noch ausbleibt”.
Wer KI- und insbesondere Machine-Learning-Anwendungen einführen möchte, kommt an dem Thema Ethik nicht mehr vorbei. Welche ethischen Herausforderungen z.B. durch Verzerrungen in den Trainingsdaten der oben beschriebenen großen Sprachmodelle entstehen können, stellt unser neuer Blog-Artikel “Ethik im Natural Language Processing” übersichtlich dar. Wie immer freuen uns auf Ihr Feedback und eventuelle Themenwünsche für das nächste Mal. Unseren nächsten Newsletter planen wir für Ende Q2.
Mit freundlichen Grüßen
Philipp Jackmuth & Lorenz Richter
P.S.: Sollten Sie einmal konkretere Machine-Learning-Interessen verfolgen, bieten wir Ihnen und Ihren technischen Kolleg/innen gerne einen Austausch an, in dem wir für Sie relevante ML-Inhalte detailliert besprechen. Kommen Sie gerne auf uns zu.
