Im hart umkämpften Feld des maschinellen Lernens erzielte Apple unlängst einen achtbaren Erfolg. Cupertino ist hier aufgrund verschiedener Aspekte seiner Firmenpolitik etwas ins Hintertreffen geraten.
Maschinelles Lernen und DeeppLearning zählen aktuell zu den mit am meisten gehypten Arbeitsfeldern der Informatik. Es ist hier schwer echten Fortschritt von bombastischer Marketingsprache zu unterscheiden, zumal nahezu alle bedeutenden Akteure in den verschiedensten Produkten vermeintliche Meilensteine maschinellen Lernens implementieren. Eines wurde zuletzt jedoch deutlicher: Apple drohte abgehängt zu werden. Das lag vor allem daran, dass die extremen Geheimhaltungsvorschriften Apples Experten vom akademischen Austausch mit der wissenschaftlichen Gemeinde abhielten und die Arbeit für Cupertino so für viele führende Köpfe unattraktiv wurde. Mit verschiedenen Maßnahmen steuerte Apple hier gegen, zuletzt wurde ein Blog eingerichtet, auf dem Softwareentwickler über ihre Arbeit berichten können, auf einem Niveau, das sich an Experten richtet. Nun haben Apple-Entwickler bei einer bedeutenden Fachkonferenz den Preis des besten Papers gewonnen. Die auf der „Conference on Computer Vision & Pattern Recognition“ (CVPR) eingereichten Skripte Densely Connected Convolutional Networks“ und „Learning from Simulated and Unsupervised Images through Adversarial Training wurden mit dem Best Paper Award ausgezeichnet und setzten sich gegen rund 2.600 Einreichungen durch. Sie befassten sich unter anderem mit der Analyse von Bildern durch Machine-Learning-Methoden, ein zentrales Teilgebiet der Disziplin.
(adsbygoogle = window.adsbygoogle || []).push({});
(adsbygoogle = window.adsbygoogle || []).push({});
(adsbygoogle = window.adsbygoogle || []).push({});
Grundlagen des Machine-Learnings
Die Erkennung, Interpretation, Kategorisierung und Beschreibung von Bildern und in weiterer Folge auch Videos stellt neben anderen Anwendungen im Bereich der Linguistik wie etwa Übersetzungsfunktionen eine Aktivität dar, für die gut trainierte neuronale Netze prädestiniert sind.
SiriKit
Hier wurden in den letzten zehn Jahren signifikante Fortschritte erzielt. Doch die Materie ist komplex und auch für versierte Informatiker nicht leicht zu durchdringen. Einen soliden Überblick und Einstieg in das Thema finden Interessierte in dieser jüngst erschienenen deutschsprachigen Episode des Wissenschaftspodcasts Omegatau.
window._epn = {campaign:5338094319};
The post Aufholjagd hat begonnen: Apple erzielt Achtungserfolg bei Machine-Learning-Konferenz appeared first on die apfelfreaks.