Tag: IBM

Monthly Summary – Das war der Dezember 2016

Was ist im Dezember passiert? Welche Schlagzeilen dominierten die News und was gibt es neues aus der Wissenschaft? Wir fassen alle relevanten Informationen zusammen und berichten über die kommenden Trends. Unser Monthly Summary ist eine Zusammenfassung für Entscheider, Management oder Entwickler aus den Bereichen Künstliche Intelligenz und Informationstechnologien. Diesen Monat haben wir aus 293 Artikeln das Relevanteste zusammengefasst.

Im Spotlight: Service, Service, Servie

In diesem Monat drehte sich alles um die Automatisierung von Service-Dienstleistungen. Eigentlich ein vernünftiger Schritt, denn die meisten Service-Anfragen sind schnell beantwortet und fast immer identisch. Menschen sollten sich auf die schwerlösbaren Probleme konzentrieren. Diese Firmen haben im Dezember vorgelegt:

  • Starbucks will schnelleren Service anbieten und auf Bots setzen. Hier gehts zum Artikel.
  • IBM hat sich auch fest vorgenommen, Service zu automatisieren, schreibt die adWeek.
  • Auch Meedia sieht Chat-Bots als den digitalen Trend im kommenden Jahr. Hier gehts zum Artikel.

 

Neues aus der Wirtschaft

Bier brauen war bisher immer in der Hand von Menschen. Nun hat sich eine künstliche Intelligenz auf den Weg gemacht, das beste Bier der Welt zu brauen. In London sitzt ein Startup, dass es sich zur Aufgabe gemacht hat, iterativ Bier zu brauen. Sie sammeln das Feedback der Kunden. Auf Basis dieser Informationen braut das Unternehmen dann Bier. Hier gehts zum Artikel über IntelligentX.

ApplyMagicSauce – was verrät Facebook dem Politiker? Der Dezember war auch der Monat, in dem die Nachwehen der U.S.-Präsidentschaftswahlen zu spüren waren – nämlich in Form von Marketing. Alexander Nix von Cambridge Analytica berichtete darüber, wie seine Firma Donald Trump dazu verholfen haben soll, Präsident zu werden. Auch viele Firmenkunden soll Cambridge Analytica bereits haben. Auf der Seite ApplyMagicSauce kann man sich selbst screenen. Viel Spaß dabei!

Audi präsentiert Einpark-Algorithmen auf der NIPS. Auf einer der größten Fachkonferenzen hat Audi in einem Showcase verschiedene Strategien zum automatisierten Einparken vorgestellt. Dabei wurde ein Audi Q2 Modell im Maßstab 1:8 benutzt. Das System nennt sich zFAS (zentrales Fahrerassistenzsteuergerät) und wurde zusammen mit NVIDIA entwickelt. Audi arbeitet schon seit einigen Jahren zusammen mit NVIDIA an dieser und anderen Technologien. Hier gehts zum Artikel.

Wie Price Waterhouse Cooper die Versicherungsbranche verunsichert. PWC hat Anfang des Jahres eine Studie plus Report zum Thema Machine Learning in der Versicherungsbranche veröffentlicht. Nun springen Geico (großer Versicherungskonzern in den USA) und weitere Mitbewerber auf diesen Zug auf und kündigen an, dass das Ausfüllen von Formularen zukünftig KI-assistiert verlaufen soll. Hier gehts zum Report von PWC vom März.

Kurz notiert. Amazon mit einer weiteren Promo für die Zustellung per Drohne. Eine KI für Personaler. Apple fängt endlich auch mal an Forschungen öffentlich zu machen: superrealistische Fotos. Adobe launcht Adobe Sensei.

 

Neues aus der Wissenschaft

Eine KI die eine Kolonie von Fliegen bewacht. In Minnesota hat ein Forscherteam ein Projekt namens flyAI auf die Beine gestellt. Dabei wurde eine KI installiert, die eine Kolonie von Fliegen bewacht. Sie regelt alles, was die Fliegen zum leben brauchen. Hier gehts zum Artikel über flyAI.

Begünstigt AI das Erstellen von Fakes? Ja, absolut. Lässt man sich die Frage durch den Kopf gehen, denkt man direkt an Fake-Identitäten, die sich textlich mit einem Menschen auseinander setzen. Hier gehen wir aber einen Schritt weiter: Bilder! Und nicht von nur von menschlichen Identitäten. Prinzipiell kann eine Intelligenz die genügend Bilder gesehen hat, um abstrakte Konzepte zu lernen, alles faken. Geht nicht? Hier geht es zum Artikel über Fake-Images mithilfe von Deep Learning. Oder: Artikel überspringen und direkt zum Paper.

 

Notable Papers

Florian Tramér et al. (Polytech Lausanne, Cornell University und University of North Carolina) haben untersucht, wie man Modelle von Anbietern über API-Calls nachbauen kann. Hierbei geht es darum, die Datenpunkte die man dem Dienstleister schickt, als eigene Trainingsdaten zu verstehen, die man nachfolgend nutzen kann, um eigene Modelle zu trainieren. Hier gehts zu Stealing Machine Learning Models via Prediction APIs.

Vıt Perzina und Jan M. Swart (Univerzita Karlova und Institute of Information Theory and Automation of the ASCR Praha) wenden das Stigler-Luckock Modell auf den Bücherverkauf sowie -lagerung an und gehen der Frage nach: How many market makers does a market need?

Huan Song et al. (Arizona State University, Lawrence Livermore National Labs und IBM T.J. Watson Research Center) experimentieren mit verschiedenen Kernel-Funktionen und gehen der Frage nach, wie man mehrere Kernels von verschiedenen oder gleichartigen Klassifikatoren miteinander verheiraten kann. Dabei legen sie das Augenmerk auf statistische Kernel- und Aggregationsfunktionen – auch mit Deep Learning ähnlichen Methoden. Hier gehts zu A Deep Learning Approach to Multiple Kernel Fusion.

Ankesh Anand, Tanmoy Chakraborty und Noseong Park (Indian Institute of Technology, University of Maryland, University of North Carolina) sind dem Thema Clickbaits nachgegangen. Sie haben ein Neuronales Netzwerk trainiert, um Clickbaits zu identifizieren. Laut ihrer Experimente arbeitet das Modell richtig gut. Überzeugt euch selbst, hier gehts zu You won’t believe what happened next!

Über den Tellerrand

Technik ist immer ideell. Erst unsere Anwendung der Technik eröffnet den Raum für Wertung. Deshalb ist es wichtig, dass man sich mit der Philosophie und Ethik hinter den Maschinen beschäftigt. Hier haben wir 2 Artikel gesammelt, die helfen sollen, über den Tellerrand zu schauen.

Sangbae Kim baut Roboter, die in Krisen eingesetzt werden können. Warum er es macht und vor allem wie, darum geht es hier.

Kognitionsforscher Joscha Bach darüber wie sich Menschen und Roboter entwickeln. Er sagt: Unser Geist liegt in Fesseln.

Das war der Dezember! Danke fürs Lesen. Wir sind offen für Verbesserungen und Vorschläge. Kontaktiert uns auf Twitter.

[Forschung] Innovationen in der Medizin – Die Zukunft des Heilens

Klaus Schwab, Gründer des World Economic Forum, redet immer wieder von der 4. Industriellen Revolution (Fourth Industrial Revolution). Das diese Revolution nicht spurlos an der Medizin vorbeigehen wird, darum wird es in diesem Artikel gehen. Laut Schwab soll sich in der 4. Industriellen Revolution nicht nur die Art der Herstellung von Gütern und Dienstleistungen ändern, sondern auch die Sicht des Menschen auf sich selbst. Aber – was ist bisher schon Realität geworden?

Chat-Bots

Welche Potenziale bietet die Medizin eigentlich, wenn es um mehr Effizienz geht? Einige! Nehmen wir beispielsweise das Themen: Feststellen/Diagnostizieren von Krankheiten sowie die patientengerechte Erklärung der festgestellten Krankheiten. Hier arbeiten Firmen wie Was hab’ ich? daran, Patientenbefunde in eine, für Laien, verständliche Sprache zu übersetzen. Dieses Geschäftsmodell könnte sich in naher Zukunft ändern, in dem man auf intelligente Bots setzt, die evidenzbasiert verschiedene Ausgaben nach, von Usern gemachten, Eingaben präsentieren. Auch weitere Anwendungen wären denkbar:

Quelle: tincture.io

Quelle: tincture.io

  • Beschwerden-/Anfrage-Management Die Patienten könnten ihre Anfragen an die Ärzte aufgeben, ihre Probleme beschreiben und dadurch zu einem Arzt vermittelt werden, der Kapazitäten dafür hat.
  • Terminfindung Nach dem Ärzte als Kandidaten gefunden wurden, könnte die Terminfindung ebenfalls via Chatbot erledigt werden.
  • Befunderklärung im Dialog Die Erklärung der Befunde kann durch einen Dialog oder ein Fragen-/Antwort-Schema abgedeckt werden. Dabei liegt der Fokus auf dem laienhaften Erklären der Sachverhalte.
  • Begleitung des Genesungsprozesses Dabei wird von Zeit zu Zeit der Prozess der Gesundung begleitet. So kann der Arzt (auf Wunsch) oder das System immer wieder nachfragen und Patienten an die Einnahme  der Medikamente oder an die Durchführung bestimmter Maßnahmen erinnern.
  • Bestellprozesse Auch das Bestellen und Nachbestellen von Medikamenten kann damit abgedeckt werden.

Natürlich können diese Anwendungen nur gebaut werden, wenn sich das Gesundheitssystem grundlegend ändert. Allerdings könnte man viele Prozesse effizienter gestalten, da nicht jeder potenzielle Patient direkt zum Arzt läuft und im Wartezimmer sitzt.

Es bleibt noch anzumerken, dass es sich hier nur um einen Average Case handelt. Im Fall von akuten Problemen bleibt natürlich weiterhin der Weg in die Notaufnahme ganz ohne App ;). Ein Verzeichnis aller existierender Chat-Bots für den Medizinbereich, kann man hier einsehen.
Babylon ist so eine App, die einige der angesprochenen Aufgaben bereits abdeckt. Das könnte der erste Schritt in diese Richtung sein.




 

NLP und Information Retrieval

Das Feld des Natural Language Processing (NLP, Verarbeitung natürlicher Sprache) soll Ärzten helfen, die richtige Behandlungsstrategie zu wählen. IBM Watson tut dies auf der Grundlage vieler Daten des Patienten und vergleicht diese anonymisiert mit den Daten anderer Patienten. Motiviert wird dies durch rund 1,5 Millionen Medikationsfehler in den USA. Der große Vorteil solcher Systeme ist, dass sie in kürzester Zeit riesige Datenbanken durchsuchen sowie vergleichbare Patienten analysieren können. Dadurch können sie verschiedene Behandlungsmethoden sowie Konfidenzen für den Behandlungserfolg abschätzen.

Dabei sollen diese Systeme die Ärzte nicht entmündigen. Viel eher sollen sie eine Möglichkeit geben, sehr viele

Quelle: IBM Medical Sieve (Investor Briefing)

Quelle: IBM Medical Sieve (Investor Briefing)

Datenmengen in kürzester Zeit analysieren zu lassen und damit eine bessere und umfassendere Entscheidungsgrundlage zu bieten.

Einen weiterführenden kognitiven Assistenten bietet IBM mit dem Projekt Medical Sieve. Auf der Projektseite zu diesem IBM-Projekt kann man folgendes über das Forschungsprojekt lesen:

Medical Sieve is an ambitious long-term exploratory grand challenge project to build a next generation cognitive  assistant with advanced multimodal analytics, clinical knowledge and reasoning capabilities that is qualified to assist in clinical decision making in radiology and cardiology. It will exhibit a deep understanding of diseases and their interpretation in multiple modalities (X-ray, Ultrasound, CT, MRI, PET, Clinical text) covering various radiology and cardiology specialties.

DNA-Sequenzierung und Prävention

Die Firma Human Longevity Inc. bietet die Gen-Sequenzierung und die damit verbundene Prävention von Krankheiten an. Das Ziel ist es, die Anfälligkeiten für bestimmte Krankheiten am Genom zu erkennen.

Dafür werden umfangreiche statistische Modelle und Erkenntnisse aus dem Human Genom Project verwendet. Mit dieser Technologie könnte man schon im Kindesalter bestimmte Präventionsmaßnahmen treffen und somit für eine bestimmte Anfälligkeit vorsorgen. Ob man diese Technologie allerdings einer breiten Patienten-Audienz verfügbar macht (und machen kann) bleibt allerdings fraglich.

 

Round up

In diesem Artikel wurden keine Smart Watches und Fitness-Tracker behandelt. Diese gibt es auch – allerdings lag der Fokus auf Innovationen, welche etwas mehr Disruption in den Medizinbereich bringen können. Aktuell versuchen es sehr viele Startups und etablierte Firmen, einen Fuß in die Tür der Medizin-Zukunft zu bekommen. Dabei sind einige Ansätze sehr radikal und könnten – sollte es soweit kommen – viele Änderungen mit sich bringen. Wie es uns die Geschichte gelehrt hat, wird es einen Mittelweg geben. Trotzdem ist die avantgardistische Arbeit vieler Firmen und Lobby-Verbände wichtig, um die Entwicklung anzuführen.

Weiterführende Links