Die Tochtergesellschaft von Google in London, DeepMind, hat kĂŒrzlich WaveNet vorgestellt - ein neuronales Netzwerk, das den Prozess der Erzeugung von menschlicher Sprache imitieren kann. Mit dem neuen System soll es möglich sein, eine Sprachausgabe von höherer QualitĂ€t und natĂŒrlicherer AusprĂ€gung zu generieren.
Im Gegensatz zum Menschen haben Maschinen Schwierigkeiten, aus einem Bild zu erkennen, was als NÀchstes passieren könnte. Um diese FÀhigkeit auch bei Robotern zu trainieren, setzen Forscher auf die Analyse von Bildern.
Experten auf dem Gebiet der Parallelprogrammierung, Concurrency, HPC und Multicore-Systeme werden gebeten, VorschlĂ€ge fĂŒr VortrĂ€ge und Workshops bei parallel 2017 einzureichen. Veranstaltet von heise Developer, iX und dpunkt, findet die Konferenz Ende MĂ€rz in Heidelberg statt. bis 31. MĂ€rz in Heidelberg statt.
WÀhrend viele Unternehmen sich hauptsÀchlich darauf konzentrieren, autonome Autos zu entwickeln, hat Drive.ai erkannt, dass die Interaktion zwischen Autos und Menschen von entscheidender Bedeutung ist.
Excire ist ein Unternehmen mit Sitz in LĂŒbeck, das eine fortschrittliche Suchfunktion auf der Basis von neuronalen Netzen entwickelt hat. Diese Suchfunktion ist in der Lage, Objekte in Bildern automatisch zu erkennen. Die Produkte von Excire umfassen ein Plug-in fĂŒr Adobe Lightroom sowie ein Software Development Kit (SDK) fĂŒr Entwickler.
WĂ€hrend des Intel-Entwicklertreffens prĂ€sentiert die Leiterin der Datacenter Group von Intel einen neuartigen optischen Transceiver und kĂŒndigt eine verbesserte Version des Xeon Phi an. Photonics, so berichtete sie, werden im Datacenter immer wichtiger.
Ein fortschrittliches Programm, das die menschliche Sprache verstehen kann, hat das Potenzial, zukĂŒnftig wichtige Aufgaben im Personalmanagement zu ĂŒbernehmen. Die Grundlage dafĂŒr bilden fortschrittliche Technologien des maschinellen Lernens und der natĂŒrlichen Sprachverarbeitung.
Das DFKI wurde als erstes Deep-Learning-Forschungsinstitut in Deutschland in das GPU Research Center von Nvidia aufgenommen. DarĂŒber hinaus sollen die Wissenschaftler Zugang zu wissenschaftliche Austauschplattformen und -Netzwerken erhalten.
Nvidia hat bekannt gegeben, dass sie die Tesla P100 Rechenkarte in zwei Versionen anbieten werden: einmal mit 12 GByte Speicher und einmal mit 16 GByte Speicher. Diese Varianten sind besonders fĂŒr Deep-Learning-Berechnungen sehr leistungsstark und sollen maximal 250 Watt Strom verbrauchen.
Ein Unternehmen aus Texas hat eine Methode entwickelt, um mehrere digitale Signalprozessoren ĂŒber eine schnelle Verbindung zu Clustern fĂŒr Rechenleistung zusammenzuschlieĂen. Dies ermöglicht Anwendungen wie Spracherkennung und Bildanalyse. Es entwickelt Systeme fĂŒr KĂŒnstliche Intelligenz (KI) und Machine Learning/Deep Learning.