Bitte aktivieren Sie Javascript in ihrem Browser um alle Vorteile von iBusiness nutzen zu können.
Erfahren Sie im Vortrag anhand von Praxisbeispielen, wie Sie durch gezielten Einsatz von Daten und Analysen interne Prozesse effizienter und gleichzeitig die Kundenansprache prägend gestalten.
Kostenlos anmelden
Der Vortrag zeigt, wie Sie in Omnichannel-Märkten Ihre Marketing- und Kommunikationsziele effizientesten erreichen und liefert fünf Erfolgsstrategien zur Brand-to-Sales-Conversion.
Programm ansehen

Diese drei Trends werden das KI-Jahr 2021 prägen

08.01.2021 Transfer Learning, Cross Lingual Word Embeddings und grüne KI: Was hinter drei zentralen KI-Trends für das kommende Jahr steckt.

 (Bild: Geralt Pixabay)
Bild: Geralt Pixabay
Künstliche Intelligenz ist und bleibt ein Top-Thema. Auch im Jahr 2021 wird sie der IT-Welt wieder ihren Stempel aufdrücken. IntraFind zur Homepage dieses Unternehmens Relation Browser , Spezialist für Enterprise Search und KI, beleuchtet drei Trends für textfokussierte KI und Natural Language Processing, die dabei eine wichtige Rolle spielen.

1. Transfer Learning

Nach 2020 bleibt Transfer Learning auch in diesem Jahr ein zentraler KI-Trend. Transfer Learning ist eine spezielle Methode des maschinellen Lernens und ermöglicht, neuronale Netze, die bereits für einen bestimmten Zweck vortrainiert sind, als Ausgangspunkt für eine andere Aufgabe zu verwenden. Das bereits Gelernte eines trainierten Netzes wird dadurch für ein neues Projekt nutzbar gemacht. Das Trainieren eines neuronalen Netzes ist durch diese Methode deutlich weniger rechenintensiv und zeitaufwändig, die Menge der erforderlichen Trainingsdaten sinkt erheblich. Transfer Learning wird die Demokratisierung von KI weiter voranbringen und ihren flächendeckenden Einsatz in der Unternehmenswelt weiter beschleunigen. Bislang funktionierte KI in Unternehmen nämlich nur dann besonders gut, wenn sie viele Daten besitzen - was in der Praxis selten der Fall ist - und maßgeschneiderte Modelle nutzen.

2. Cross Lingual Word Embeddings

Zahlreiche Anwendungen des Natural Language Processing (NLP) stehen nur für die wichtigsten europäischen Sprachen zur Verfügung - häufig sogar ausschließlich für Englisch. Ein wichtiger Grund dafür ist, dass die Ausdehnung von NLP-Modellen auf neue Sprachen üblicherweise die zeitaufwändige Annotation komplett neuer Datensätze erfordert und sehr rechenintensiv ist. Für weniger verbreitete Sprachen stehen aber auch häufig gar nicht genügend Trainingsdaten zur Verfügung. Abhilfe können hier multilinguale Modelle mit so genannten Cross Lingual Word Embeddings (CLWEs) schaffen. Diese CLWEs nutzen die Tatsache, dass viele Sprachen semantische Ähnlichkeiten aufweisen. Sie erfassen diese Ähnlichkeiten und können Wörter in mehreren Sprachen in einem gemeinsamen Vektorraum darstellen.

3. Grüne KI

Künstliche Intelligenz durchdringt immer mehr Bereiche des Lebens und der Wirtschaft. Dementsprechend stark wächst auch der ökologische Fußabdruck, den sie beim Training von Algorithmen und ihrem Einsatz hinterlässt. Vor dem Hintergrund des steigenden Bewusstseins für Umweltschutz und Klimawandel gewinnt deshalb grüne KI immer mehr an Bedeutung. So wird beispielsweise verstärkt an Algorithmen geforscht, die weniger Energie, weniger Speicher und weniger Kommunikationsbandbreite benötigen. Auch die Energieversorgung und Effizienz der für KI genutzten Rechenzentren kommt immer öfter auf den Prüfstand. Ein weiterer wichtiger Aspekt von grüner KI ist der Einsatz von Algorithmen, um Energieerzeugung, den Betrieb der Netzinfrastruktur und die Energienutzung möglichst effizient zu gestalten.

(Autor: Christina Rose )

Anzeige

Ausgewählte Agenturen und Dienstleister zu diesem Themenbereich:

Schreiben Sie Ihre Meinung, Erfahrungen, Anregungen mit oder zu diesem Thema. Ihr Beitrag erscheint an dieser Stelle.
Ihr Kommentar: 
Teilen Artikel merken