BES S ER V ER S T EHEN · Design Thinking Workshop! Um s e t z u n g d e r e in ge ge b e n e n u n...
1
Fürstenrieder Straße 267 81377 München Telefon: 089 589494 0 Email: [email protected] Website : https://mip.de/ki/ KÜNSTLICHE INTELLIGENZ (KI) BESSER VERSTEHEN Voraussetzung: Die eingegebenen oder anderweitig erfassten Daten und Vorgänge müssen sich algorithmisch abbilden und verarbeiten lassen. Es handelt sich immer um sogenannte geschlossene Systeme, deren Grenzen von den erfassten Daten und dargestellten Prozessen gebildet werden. Ziel- definition Ziel: Das das menschliche Gedächtnis, seine Lernprozesse und sein problem- lösungsorientiertes Verhalten nachzubilden. Die Funktionaliät von KI basieren auf den menschlichen Fähigkeiten VERSTEHEN, FÜHLEN, HANDELN Input begreifen Sinnvolle Antworten finden Angeeignetes Wissen kommunizieren Menschen bei ihrer Entscheidungsfindung helfen Beispiel: Sprachverarbeitungs- programme Design Thinking Vereinbaren Sie Ihren individuellen Beratungstermin für einen Design Thinking Workshop! Umsetzung der eingegebenen und sensorisch erfassten Informationen in Aktionen Robotik-Lösungen stellen die Hardware, das Handeln die Soware Autonome, humanoide oder Service-Roboter Machine Learning (ML) Neue Denkweisen in der KI-Welt erfordern kreative Workshop-Methoden. So können Sie auslosten, welche neuen Geschäsmodelle sich durch KI-Anwendungen realisieren lassen. Von der Ideengenerierung, über die Definition des konkreten Projektziels und vorhandener technischen Möglichkeiten bis hin zur Prototyp- Erstellung und -Testing. Dann ist es nur ein kleiner Schritt bis zur Produktivsetzung. Design Thinking Prozess Erfassen von Eindrücken durch maschinelles Sehen, Sensoren oder Mikrofone Identifizierung, Analyse, Verarbeitung der Eindrücke Veränderungen identifizieren, kennzeichnen, berichten Reaktion mit Programmbefehlen Das System generiert Wissen aus Erfahrung und findet eigenständig Lösungen für neue und unbekannte Probleme. Ein Programm analysiert hierzu zahlreiche Beispiele – je mehr, desto besser. Mit Hilfe selbst- lernender Algorithmen wird ver- sucht, in den Daten bestimmte Muster und Gesetzmäßigkeiten zu erkennen. Das Ziel ist die intelli- gente Verknüpfung von Daten, um Zusammenhänge zu erkennen, Rückschlüsse zu ziehen und Pro- gnosen zu treffen. Es kommen multivariate statistische Verfahren zum Einsatz. Sie ermitteln die wahrscheinlich beste Lösung und merken sich richtige Entschei- dungen via persistenter Speicherung. Typisches Anwen- dungsbeispiel: „Next-best-offer“, die intelligente Warenkorbanalyse. Mit Design Thinking zu KI Architektur NEXT Große Datenmengen werden via Cognitive Computing anhand von Attributen, die es aus Bildern, Texten oder akustischen Signalen gefiltert werden, klassifiziert. Der wesentliche Unterschied zum Machine Learning besteht im Training, denn die relevanten Merkmale werden aus den Daten automatisch extrahiert und die Ergebnisse verbessert, sobald weitere Daten hinzugefügt werden. Hieraus folgt: Übung macht den Meister. Die Trainingszeit dieser Prozesse hängt von der verfügbaren Rechenleistung ab, sie reicht von wenigen Stunden bis zu mehreren Tagen. Dank enormer Datenmengen und erweiterter Rechenkapazität sowie durch die Nutzung von KNN erzielen Deep-Learning-Modelle bei manchen Aufgaben bereits heute genauere Ergebnisse als Menschen. Prototyp Test HOME Nach dem Vorbild des menschlichen Gehirns simulieren KNN ein Netz- werk aus miteinander verbundenen Neuronen. Sie lernen aus Erfahrung, indem sie die Verbindungsstärke der simulierten Neuronenverbindungen verändern. So können sich Maschinen Fähigkeiten wie Sehen, Hören, Sprechen, Lesen und Schreiben aneignen. Für diese Fähigkeiten sind umfangreiche Test- bzw. Trainingsläufe notwendig, an deren Ende ein abstrahiertes Modell miteinander verbundener Neuronen steht. Dank der antrainierten An- ordnung und Verknüpfung dieser Neuronen lassen sich dann Anwend- ungsprobleme aus ver-schiedenen Bereichen computerbasiert lösen. Produktiv- setzung Deep Learning Design Thinking Workhop VERSTÄNDNIS Künstliche neuronale Netze (KNN) SENSORIK ©2018 mip Management Informationspartner GmbH VERARBEITUNG Fotos Quelle: Visme/unsplash
Transcript of BES S ER V ER S T EHEN · Design Thinking Workshop! Um s e t z u n g d e r e in ge ge b e n e n u n...
g
Fürstenrieder Straße 267
81377 München
Telefon: 089 589494 0
Email: [email protected]
Website : https://mip.de/ki/
KÜNSTLICHE INTELLIGENZ (KI) BESSER VERSTEHEN
Voraussetzung: Die eingegebenen oder anderweitig erfassten Daten undVorgänge müssen sich algorithmisch abbilden und verarbeiten lassen. Eshandelt sich immer um sogenannte geschlossene Systeme, deren Grenzenvon den erfassten Daten und dargestellten Prozessen gebildet werden.
Ziel-
definition
Ziel: Das das menschliche Gedächtnis, seine Lernprozesse und sein problem-lösungsorientiertes Verhalten nachzubilden. Die Funktionaliät von KI basieren auf den menschlichen Fähigkeiten VERSTEHEN, FÜHLEN, HANDELN
Input begreifenSinnvolle Antworten findenAngeeignetes Wissenkommunizieren Menschen bei ihrerEntscheidungsfindung helfenBeispiel: Sprachverarbeitungs-programme
Design
Thinking
Vereinbaren Sie Ihren individuellen Beratungstermin für einen
Design Thinking Workshop!
Umsetzung der eingegebenenund sensorisch erfasstenInformationen in AktionenRobotik-Lösungen stellen dieHardware, das Handeln dieSo�ware Autonome, humanoide oderService-Roboter
Machine Learning(ML)
Neue Denkweisen in der KI-Welt erfordern kreative Workshop-Methoden. So
können Sie auslosten, welche neuen Geschä�smodelle sich durch KI-Anwendungen
realisieren lassen. Von der Ideengenerierung, über die Definition des konkreten
Projektziels und vorhandener technischen Möglichkeiten bis hin zur Prototyp-
Erstellung und -Testing. Dann ist es nur ein kleiner Schritt bis zur Produktivsetzung.
Design Thinking Prozess
Erfassen von Eindrücken durchmaschinelles Sehen, Sensorenoder MikrofoneIdentifizierung, Analyse,Verarbeitung der Eindrücke Veränderungen identifizieren,kennzeichnen, berichtenReaktion mitProgrammbefehlen
Das System generiert Wissen aus
Erfahrung und findet eigenständig
Lösungen für neue und unbekannte
Probleme. Ein Programm analysiert
hierzu zahlreiche Beispiele – je mehr,
desto besser. Mit Hilfe selbst-
lernender Algorithmen wird ver-
sucht, in den Daten bestimmte
Muster und Gesetzmäßigkeiten zu
erkennen. Das Ziel ist die intelli-
gente Verknüpfung von Daten, um
Zusammenhänge zu erkennen,
Rückschlüsse zu ziehen und Pro-
gnosen zu treffen. Es kommen
multivariate statistische Verfahren
zum Einsatz. Sie ermitteln die
wahrscheinlich beste Lösung und
merken sich richtige Entschei-
dungen via persistenter
Speicherung. Typisches Anwen-
dungsbeispiel: „Next-best-offer“, die
intelligente Warenkorbanalyse.
Mit Design Thinking zu KI
Architektur
NEXT
Große Datenmengen werden via
Cognitive Computing anhand von
Attributen, die es aus Bildern, Texten
oder akustischen Signalen gefiltert
werden, klassifiziert. Der wesentliche
Unterschied zum Machine Learning
besteht im Training, denn die
relevanten Merkmale werden aus den
Daten automatisch extrahiert und die
Ergebnisse verbessert, sobald
weitere Daten hinzugefügt werden.
Hieraus folgt: Übung macht den
Meister. Die Trainingszeit dieser
Prozesse hängt von der verfügbaren
Rechenleistung ab, sie reicht von
wenigen Stunden bis zu mehreren
Tagen. Dank enormer Datenmengen
und erweiterter Rechenkapazität
sowie durch die Nutzung von KNN
erzielen Deep-Learning-Modelle bei
manchen Aufgaben bereits heute
genauere Ergebnisse als Menschen.
PrototypTest
HOME
Nach dem Vorbild des menschlichen
Gehirns simulieren KNN ein Netz-
werk aus miteinander verbundenen
Neuronen. Sie lernen aus Erfahrung,
indem sie die Verbindungsstärke der
simulierten Neuronenverbindungen
verändern. So können sich
Maschinen Fähigkeiten wie Sehen,
Hören, Sprechen, Lesen und
Schreiben aneignen. Für diese
Fähigkeiten sind umfangreiche Test-
bzw. Trainingsläufe notwendig, an
deren Ende ein abstrahiertes Modell
miteinander verbundener Neuronen
steht. Dank der antrainierten An-
ordnung und Verknüpfung dieser
Neuronen lassen sich dann Anwend-
ungsprobleme aus ver-schiedenen
Bereichen computerbasiert lösen.
Produktiv-setzung
Deep Learning
Design Thinking
Workhop
VERSTÄNDNIS
Künstlicheneuronale Netze
(KNN)
SENSORIK
©2018 mip Management Informationspartner GmbH
VERARBEITUNG
Fotos Quelle: Visme/unsplash
