AKTUELLE NEWS AUS DER KI-WELT
KÜNSTLICHE INTELLIGENZ: DIE WICHTIGSTEN ENTWICKLUNGEN 2021
Bild: UK Biobank / via Universität Leeds
Forschende der Universität Leeds haben gemeinsam mit zahlreichen Partnern ein KI-System entwickelt, das anhand von Augenscans das Herzinfarktrisiko innerhalb der nächsten zwölf Monate erkennen soll.
Grundlage der KI-Diagnose ist die Erkenntnis, dass Veränderungen an winzigen Blutgefäßen in der Netzhaut Indikatoren für Gefäßerkrankungen sein können. Das unter der Leitung der Universität Leeds entwickelte KI-System kann diese Veränderungen auf Netzhautscans erkennen und Personen identifizieren, die im Laufe eines Jahres einen Herzinfarkt erleiden könnten.
KI für die Prävention von Herzattacken
Die Genauigkeit des Prognosesystems liegt laut der Forschenden zwischen 70 und 80 Prozent. Es eigne sich daher gut als Empfehlungsmechanismus für eine eingehende kardiovaskuläre Untersuchung.
„Diese Technik eröffnet die Möglichkeit, das Screening von Herzkrankheiten zu revolutionieren. Netzhaut-Scans sind vergleichsweise billig und werden in vielen Augenarztpraxen routinemäßig eingesetzt. Durch ein automatisiertes Screening könnten Patienten mit einem hohen Erkrankungsrisiko an einen Herzspezialisten überwiesen werde“, sagt Professor Alex Frangi, der die Forschungsarbeit leitete.
Mit dem System könnten laut Frangi auch „frühe Anzeichen von Herzkrankheiten“ erkannt werden. Frangi ist Inhaber des Diamond Jubilee Lehrstuhls für Computermedizin an der School of Computing der Universität Leeds und Turing Fellow am Alan Turing Institute.
Trainiert mit tausenden Patientendaten
Trainiert wurde die Diagnose-KI per Deep Learning mit den Netzhaut- und Herzaufnahmen von mehr als 5000 Personen. Durch das Training lernte die KI, Zusammenhänge zwischen der Beschaffenheit der Netzhaut und Veränderungen am Herzen festzustellen.
Nach dem Training konnte das System allein anhand von Netzhautbildern verlässlich die Größe und Pumpleistung der linken Herzkammer abschätzen. Eine vergrößerte Herzkammer kann auf ein höheres Risiko einer Herzerkrankung hinweisen. Für die Vorhersage einer möglichen Herzattacke innerhalb eines Jahres greifen die Forschenden zusätzlich auf demografische Daten, Alter und Geschlecht, zurück.
Da die Kosten für die Netzhaut-Diagnose deutlich unter gängigen Diagnosemethoden wie Echokardiographie oder Magnetresonanztomographie liegen, könnte das KI-System insbesondere in Ländern mit schwächeren Gesundheitssystemen Nutzen stiften. Auch in Ländern mit starker medizinischer Versorgung würde die Methode Zeit und Kosten sparen, heißt es in einer Mitteilung der Universität Leeds.
„Das KI-System ist ein hervorragendes Werkzeug, um die komplexen Muster zu entschlüsseln, die in der Natur existieren, und das ist es, was wir gefunden haben – das komplizierte Muster von Veränderungen in der Netzhaut, die mit Veränderungen im Herzen verbunden sind“, sagt Mitautor Sven Plein, Professor für kardiovaskuläre Bildgebung bei der British Heart Foundation an der Universität Leeds.
Die Forschungsarbeit „Vorhersage von Infarkten anhand von Netzhautscans und minimaler persönlicher Informationen“ wurde im wissenschaftlichen Fachjournal Nature Machine Intelligence veröffentlicht.
Quelle: Fachjournal Nature Machine Intelligence, Mixed.de, Matthias Bastian
2021 zeigt ein Tom-Cruise-Deepfaker, wie glaubwürdig Deepfake-Videos mittlerweile sind.| Bild: metaphysic.ai
Passend zu KI als Rendering-Technologie: Der Grafikkartenhersteller Nvidia positioniert sich noch stärker als KI-Unternehmen und treibt die Entwicklung und Verbreitung von KI-Technologien wie DLSS oder Neural Rendering voran. KI soll zusätzlich helfen, Raytracing performanter zu gestalten. Auch Intel will bei seinen neuen Grafikkarten auf den KI-Renderzug aufspringen.
DEEPMIND: KI KANN KERNFUSION VERBESSERN
Bild: Deepmind
Fusionsenergie wird seit dem nuklearen Zeitalter als mögliche Lösung für Energieprobleme gehandelt. Die Nutzung der thermonuklearen Kernfusion zur Stromerzeugung verspricht eine saubere und unerschöpfliche Energiequelle.
Beim Fusionsprozess verbinden sich zwei Atomkerne zu einem schwereren Kern, dabei wird Energie freigesetzt. Die Fusion ist nur bei extrem hohen Temperaturen möglich. Die Reaktoren müssen daher Plasma erzeugen, das 150 bis 300 Millionen Grad heiß ist und es lange genug stabil halten, um Energie zu gewinnen.
Da die hohe Temperatur jeden Kontakt mit den umliegenden Materialien verbietet, setzen Kernfusionsreaktoren im Tokamak-Design auf Magnetspulen, um das Plasma in einer zentralen Kammer in einem Magnetfeld zu fangen.
Weltweit forschen Wissenschaftler:innen an internationalen und privaten Testreaktoren unterschiedlicher Architektur. Die meisten nutzen schwere Wasserstoffisotope wie Deuterium und Tritium.
Einer der größten Testreaktoren entsteht aktuell in Frankreich: Erste Pläne für ITER (International Thermonuclear Experimental Reactor) reichen in die späten 1970er Jahre zurück. 2025 soll der Reaktor fertig sein und erstes Plasma erzeugen. Ein Nachfolger mit dem Namen EU DEMO ist bereits geplant und soll in den 2050ern in Betrieb genommen werden.
ITER soll 2025 fertig sein und 2035 mit der Deuterium-Tritium-Fusion beginnen.
Projekte wie ITER, DEMO und andere sollen zeigen, dass Fusionsenergie kommerziell nutzbar ist. Ziel ist es, das Verhältnis zwischen zugegebener Energie und der im Plasma erzeugten Fusionsenergie zu verbessern. ITER soll etwa zehnmal mehr Fusionsleistung erzeugen, als Heizleistung benötigt wird. DEMO soll den Faktor auf 25 erhöhen.
Eine zentrale Herausforderung dabei ist die Kontrolle des Plasmas, das in den Magnetfeldern geformt und erhalten wird. Dafür muss ein Kontrollsystem die zahlreichen Magnetspulen koordinieren und ihre Spannung tausendfach pro Sekunde anpassen. Andernfalls kann das Plasma die Wände der Kammer berühren, was zu Wärmeverlusten und potenziellen Schäden führt. Das Plasma lässt sich außerdem in verschiedene Formen bringen, die unterschiedliche Energiegewinne versprechen.
Bisher kommen für die Steuerung der Magnetspulen von menschlichen Experten entwickelte Algorithmen zum Einsatz. Das britische KI-Unternehmen Deepmind, das seit einigen Jahren verstärkt Künstliche Intelligenz in verschiedene Wissenschaften bringt, zeigt nun ein KI-System, das die Steuerung der Magnetspulen übernehmen kann.
Das System entstand in Kooperation mit dem Swiss Plasma Center der Eidgenössischen Technischen Hochschule Lausanne (EPFL) und wurde am dortigen Reaktor „Variable Configuration Tokamak“ (TCV) getestet, der Plasma etwa drei Sekunden stabil halten kann.
Deepmind-KI steuert Plasma
Bisher wird jede der 19 Magnetspulen des TCV von einem eigenen Regler gesteuert, der per Algorithmus die Eigenschaften des Plasmas in Echtzeit einschätzt und die Spannung der Magneten anpasst. Das von Deepmind vorgestellte KI-System steuert dagegen alle Spulen auf einmal und kann verschiedene Formen aus Plasma erzeugen.
Trainiert wurde das KI-System dafür mit Daten aus einer bereits bestehenden TCV-Simulation, in der die KI die Steuerung der Spulen direkt aus den simulierten Sensordaten lernen konnte. Da bestimmte Dynamiken des echten Reaktors in der Simulation nicht ausreichend repräsentiert sind, lernte die KI außerdem, bei der Steuerung innerhalb vorgegebener Grenzen zu bleiben, etwa beim maximalen Spulenstrom.
Nach dem Training in der Simulation konnte das KI-System im echten TCV die Magnetspulen steuern und eine Reihe von Plasmaformen erstellen, die als geeignete Kandidaten für Reaktoren gelten. Unter den Formen waren auch zwei getrennte „Plasmatropfen“, die bisher noch nie in einem TCV-Reaktor stabilisiert wurden.
Laut Deepmind erleichtert das KI-System, das Verhalten von Plasma in unterschiedlichen Bedingungen zu erforschen und so das Verständnis von Kernfusionsreaktoren zu verbessern. Das System könne zudem schnell in einem neuen Tokamak-Reaktor eingesetzt werden, ohne dass die heute eingesetzten Steuerungen langwierig entwickelt werden müssten. Das System erlaube so auch, vorgeschlagene Designs zu bewerten, bevor sie gebaut würden.
Langfristig will Deepmind mit KI die Entwicklung neuer Reaktorkonzepte ermöglichen und dafür die Plasmaform, die Sensorik, den Antrieb, das Design der Innenwand, die Wärmebelastung und die magnetische Steuerung im Einklang optimieren.
Quellen: Deepmind, Nature, Mixed.de, Maximilian Schreiner
WARUM JUNIPER NETWORKS EIN AI LEADER IST
Laut der aktuellen Analyse von Gartner gehört Juniper Networks neben Zebra Technologies zu den Leadern im Segment für Indoor-Ortungsdienste „die Hardware-, Software- und Servicekomponenten, die Indoor-Ortungskoordinaten und -dienste bereitstellen“. Diese Dienste, die auch „Blue Dot“ genannt werden, unterstützen eine breite Palette von Anwendungsfällen für viele Organisationen. Beide Unternehmen sind Teil des AI Leaders Portfolios. Die Juniper-Lösung bietet eine Standortgenauigkeit von 1 bis 2 Metern. Das Unternehmen bedient dabei einen globalen Kundenstamm in verschiedenen Branchen mit einer starken Implementierungspräsenz, insbesondere in den Bereichen Einzelhandel, Gesundheitswesen, Bildung und Büroräume.
Was sind Anwendungsbeispiele für KI im Netzwerk?
Wie verändert KI das Networking?
Welche Art von KI für Netzwerklösungen bietet Juniper an?
Angesichts der vielen Home-Office- und Pop-up-Netzwerkstandorte, die heute in Verwendung sind, ist ein bedrohungssensibles Netzwerk (Threat-aware) wichtiger denn je. Die Möglichkeit, kompromittierte Geräte schnell zu identifizieren und in Ordnung zu bringen, kompromittierte Geräte physisch zu lokalisieren und letztlich die Benutzererfahrung zu optimieren, sind nur einige Vorteile einer Nutzung von KI im Bereich Cybersicherheit. IT-Teams müssen ihre Netzwerke schützen, einschließlich Geräten, die sie zwar nicht direkt kontrollieren, denen sie aber Zugang gewähren müssen. Durch die Erstellung von Risikoprofilen können IT-Teams ihre Infrastruktur schützen, indem sie für umfassende Netzwerktransparenz und Richtliniendurchsetzung an jedem Verbindungspunkt im Netzwerk sorgen. Sicherheitstechnologien überwachen in einer Umgebung nicht nur kontinuierlich die Anwendungen und Benutzerverbindungen, sondern auch den Kontext des Verhaltens. So wird ermittelt, ob es sich um akzeptable oder potenziell anomale Nutzung handelt, und lassen sich bösartige Aktivitäten schnell identifizieren.
über die nächsten Jahre viel Freude an Juniper Networks haben.
AI LEADERS – DER FONDS KURSKORREKTUREN SIND EINSTIEGSCHANCEN
Der AI Leaders hat seit Auflage am 2. Januar 2020 einen Zuwachs von 40,11% (Stand 5. April 2022) und konnte in diese Zeit ein Volumen von rund 38 Mio Euro aufbauen.
Quelle: baha
In den letzten Wochen wurde damit gestartet in defensive Branchen zu investieren, um für zukünftige Zinssteigerungen den AI Leaders stabiler aufzustellen.
Quelle: baha
Wertentwicklung (Stand 5. April 2022):
Jahr 2020 2021 2022
% +55,39 +10,27 -18,26
Kurskorrekturen sind Kaufgelegenheiten
Das Wachstum der AI Leaders Aktien übersteigt den marktbreiten S&P 500 um ein Vielfaches. Clevere Investoren nutzen diese Korrekturen für neue Investitionen aus.
Kommende Zinserhöhungen werden zwar immer wieder zu Korrekturen führen. Das hohe Wachstum der AI Leaders Aktien und das damit verbundene Kurspotential wird dadurch jedoch nicht beeinträchtigt.
AI Leaders im Vergleich zum baha us 500 (S&P 500)
Quelle: baha
AI Leaders im Konkurrenzvergleich
Die angebotenen Investmentfonds im Bereich der künstlichen Intelligenz unterscheiden sich erheblich. Der AI Leaders und der Echiquier gehören zu den wenigen pure player der Branche. Entsprechend verläuft die Entwicklung über die letzten zwei Jahre nahezu synchron.
Quelle: FFB
Für weitere Fragen stehe wir Ihnen wie immer gerne zur Verfügung.
Herzliche Grüße aus Stuttgart
Tilmann Speck
Christian Hintz
Gerd Schäfer