Künstliche Intelligenz (KI), die auf maschinellem Lernen basiert, bietet Chancen für die Lebenswissenschaften. In der Praxis zeigen sich aber immer wieder Probleme. Eine Ursache hierfür ist data leakage, also der unerwünschte Transfer von Informationen zwischen Trainings- und Testdaten.

Maschinelles Lernen (ML) ist in der Softwareentwicklung unverzichtbar geworden und ermöglicht schnellere Erkennung, verbesserte Automatisierung und datenbasierte Anwendungen. Doch es gibt eine Reihe von Schwachstellen in verbreiteten ML-Frameworks, die Unternehmen potenziellen Angriffen aussetzen.

Die KI-Technologie ist heute im Alltag allgegenwärtig, und mit ihrer Konvergenz werden Cloud Computing und KI/ML enorme Werte freisetzen und die meisten Branchen verändern.

Maschinelles Lernen kann Aktienrenditen besser vorhersagen. Die Künstliche Intelligenz (KI) nutzt umfangreiche Finanzdaten und smarte Methoden, um Infos zu kombinieren und Schlüsse zuzulassen, ob eine Investition wahrscheinlich profitabel sein wird oder eben nicht.

2024 werden Unternehmen mit großer Wahrscheinlichkeit noch stärker auf künstliche Intelligenz (KI), maschinelles Lernen (ML) und Automatisierung setzen, um ihre Ziele für Effizienz, Servicebereitstellung und Produktivität zu erreichen. 

Nach jahrelangen Verhandlungen ist der AI Act der EU nun unter Dach und Fach. Auch wenn sich der Gesetzestext noch in der Feinabstimmung befindet, sind zentrale Streitpunkte rund um die Themen Generative AI und KI in der Strafverfolgung geklärt.

Forscher der University of California Berkeley haben eine statistische Technik vorgestellt, mit der sich Ergebnisse von maschinellen Lernmodellen sicher zum Testen wissenschaftlicher Hypothesen nutzen lassen.

Forscher des Georgia Institute of Technology und der East China Normal University haben eine kostengünstige Lösung zur richtigen Dosierung von Chlor in ländlichen Trinkwasseraufbereitungsanlagen außerhalb der hochindustrialisierten Länder entwickelt.