KI IM KRIEG: WIE KÜNSTLICHE INTELLIGENZ DAS SCHLACHTFELD VERÄNDERT
Lies weiterSCHWEDENS NATIONALBIBLIOTHEK FÜTTERT KI MIT DATEN AUS 500 JAHREN
Lies weiterKI-SYSTEM DIAGNOSTIZIERT PARKINSON ANHAND VON ATEMSIGNALEN
Lies weiterKI-SYSTEM DIAGNOSTIZIERT PARKINSON ANHAND VON ATEMSIGNALEN
Lies weiter
Bild: Amazon
Amazon stellt eine Stimmklon-Funktion für Alexa vor, die auch für verstorbene Personen eingesetzt werden könnte.
Seit einigen Jahren können Maschinen dank Fortschritten in der KI-Forschung täuschend echte menschliche Stimmen erzeugen. Bis nach Hollywood schaffen es diese Stimmklone bereits, zuletzt im Kassenschlager Top Gun für Val Kilmer. Dessen Stimmklon war allerdings aufwendig und laut der Firma, die sie generierte und mittlerweile zu Spotify gehört, mehrere Monate in Arbeit.
Stimmklontraining wird effizienter
Auf Amazons Fachkonferenz „re:MARS“ in Las Vegas stellen Forschende aus Amazons Text-to-Speech-Gruppe jetzt eine effizientere Trainingsmethode für Stimmklone vor. „Voice Filter“ soll ein Stimmklon mit nur einer Minute Trainingsmaterial erzeugen können und dabei ähnlich gut klingen wie Stimmen, die mit 30 Minuten Stimmmaterial trainiert wurden.
Andere Systeme, die ebenfalls eine Stimme anhand von nur einer Minute Ausgangsmaterial generieren können, soll die Alexa-Variante „objektiv und subjektiv“ klar hinter sich lassen. Die Forschenden gehen davon aus, dass mit ihrer Methode weitere Sprachanwendungen möglich werden, die aufgrund weniger Trainingsdaten bislang nicht umsetzbar waren.
Alexa liest mit Omas Stimme vor
Auf der Konferenz stellte Amazons Chef-KI-Forscher Rohit Prasad vor, wie die neue Stimmklon-Funktion bei Alexa eingesetzt werden könnte – zum Beispiel, um die Stimme von Verstorbenen zu bewahren. Er zeigte eine Demo, in der ein Junge Alexa auffordert, ein Märchen mit der Stimme seiner verstorbenen Oma vorzulesen.
„KI kann den Schmerz über den Verlust zwar nicht auslöschen, aber sie kann dafür sorgen, dass die Erinnerung an den Verlust lange währt“, kommentiert Prasad. Wann die Funktion als Skill verfügbar sein wird, sagte Prasad nicht, sie sei noch in Arbeit. Prasads kurze Demonstration, die leider wenig aussagekräftig ist, könnt ihr im folgenden Video sehen.
Video: AWS Event
Neben der Stimmklon-Funktion stellte Prasad zudem eine verbesserte Dialogfunktion für Alexa vor – ähnlich Google Lamda. Amazon verwendete für das KI-Training laut eigenen Angaben den bislang größten Datensatz mit Dialogen mit „gesundem Menschenverstand („Common Sense Dialogs“).
Ziel soll es sein, dass Alexa sich in Gesprächen natürlicher verhält, mehr Kontextinformationen geben und Antworten begründen kann. Sie soll zudem komplexere Anfragen in mehrere kleine Aufgaben unterteilen und so besser beantworten können. Eine Demonstration der neuen Dialogfähigkeiten könnt ihr ebenfalls im Video oben sehen ab Minute 52:30.
Quellen: Matthias Bastian, MIXED.de; Paper Voice Filter, Amazon Science
Bild: Plainsight
Ein KI-Startup für Computer Vision zeigt, wie Künstliche Intelligenz in der Landwirtschaft zum Einsatz kommt. Das Potenzial ist riesig.
Das 2007 gegründete KI-Startup Plainsight hat sich auf KI-Algorithmen für Bilderkennung spezialisiert. Es entwickelt Computer-Vision-Lösungen für die Landwirtschaft, Logistik, Restaurants, Pharmahersteller, den Energiesektor und das Baugewerbe.
Im April startete Plainsight Vision AI, eine On-Demand-SaaS-Plattform für Computer-Vision-Workflows, die keine Code-Kenntnisse erfordert. Kunden können dort eigene Bilddaten kennzeichnen und anschließend passende KI-Modelle von Plainsight trainieren. Das Unternehmen senkt laut eigenen Angaben die Einstiegshürden für kleine Kunden, die zuerst testen wollen, ob ihnen KI einen Mehrwert bringt.
Schäfchen zählen, Krankheiten erkennen.
In der Viehzucht sollen Plainsights Produkte das automatisierte Zählen von Viehbestand wie Schaf- oder Rinderherden mit einer Genauigkeit von 99,7 Prozent ermöglichen. Innerhalb der Lieferkette gäbe es gleich mehrere Zählungen, die üblicherweise manuell durchgeführt werden, so Elizabeth Spears, CEO bei Plainsights. Es gäbe immer wieder Situationen, in denen der Viehbestand nicht genau gezählt werde. Das ermögliche etwa Betrug beim Transport, so Spears.
Video: Plainsight
Für eine genaue Zählung setzt Plainsight auf manuell gekennzeichnete Datensätze, die Trainingsgrundlage sind für ein spezialisiertes KI-Modell, das die gewünschten Tiere erkennt. Ein weiterer Algorithmus trackt die Tiere zwischen den einzelnen Bildern eines Videos. Innerhalb des Sichtfeldes einer Kamera wird dann ein Überwachungsbereich festgelegt, sowie eine Zähllinie – jedes Tier, das diese überschreitet, wird gezählt.
Mit Computer Vision lasse sich zudem erkennen, ob ein Tier krank sei, so Plainsight. Der Gang des Tieres oder die Nahrungsaufnahme lassen Schlüsse auf die Gesundheit des Tieres zu. Veränderungen können von KI-Systemen erkannt werden.
KI-Tracking für Reifegrad von Früchten
Neben dem Tracking von Tieren vermarktet Plainsight auch Computer Vision für den Ackerbau: Für die Pflanzenzucht gibt es eine automatische Reife-Erkennung, die etwa einzelne Erdbeeren trackt.
Video: Plainsight
Bei der Ernte sollen die KI-Systeme zudem Fremdobjekte wie Steine in den Erntemaschinen erkennen und so Schäden verhindern.
Video: Plainsight
Auf dem Feld könne KI den Pflanzenbestand aufnehmen, das Volumen einschätzen, die Gesundheit und Produktivität von Pflanzen messen, sowie Krankheiten, invasive Arten und Schädlinge erkennen.
KI gibt so in Echtzeit Einblicke in Felder und hilft, Bereiche zu identifizieren, die bewässert, gedüngt oder behandelt werden müssen.
KI in der Landwirtschaft ist ein Wachstumsmarkt
Die automatisierte Viehzählung von Plainsight ist bereits im Einsatz, die Idee dafür kam aus der Landwirtschaft selbst, so Spears. Tatsächlich bietet die Landwirtschaft großes Potenzial für Künstliche Intelligenz: Dutzende wichtige Prozesse müssen durchgeführt und überwacht werden, oft über ein Gebiet von mehreren Hundert Hektar. KI kann helfen, Wetter, Sonneneinstrahlung, Vögel und Insekten, Pilzerkrankungen, Pflanzen, Tiere, Bewässerung und andere Prozesse zu überwachen und zu steuern.
Analysten sehen im Einsatz von KI in der Landwirtschaft daher einen großen Wachstumsmarkt: Laut BI Intelligence Research werden sich die globalen Ausgaben für intelligente, vernetzte Agrartechnologien und -systeme, einschließlich KI-Systeme, bis 2025 auf 15,3 Milliarden US-Dollar verdreifachen.
Markets&Markets sieht für KI-Technologien in der Landwirtschaft eine jährliche Wachstumsrate (CAGR) von 25,5 Prozent und erwartet einen Anstieg der Ausgaben von einer Milliarde US-Dollar im Jahr 2020 auf vier Milliarden US-Dollar im Jahr 2026. Die IoT-gestützte Überwachung der Landwirtschaft (IoTAg) soll laut PwC bis 2025 4,5 Milliarden US-Dollar erreichen.
Quellen: Plainsight, TechRepublic, Maximilian Schreiner , MIXED.de
Der AI Leaders konnte sich der allgemein schlechten Börsenentwicklung im Jahr 2022 nicht entziehen und liegt nach den hervorragenden Jahren mit + 55,39% im Jahr 2020 und mit +10,27% im Jahr 2021 seit Jahresbeginn mit -33,03% im Minus.
In den letzten 4 Wochen gab es keine wesentlichen Änderungen, da sich die Unternehmen unverändert sehr positiv entwickeln und insgesamt nicht mehr teuer erscheinen.
AI Leaders – Konkurrenzvergleich
Seit Jahresbeginn wurde das Portfolio breiter diversifiziert und auf 62 Titel erhöht. Im Vergleich zu seinen Konkurrenten von der Allianz und Echiquier konnte damit, je nach Zeitraum, ein besseres Ergebnis erzielt werden.
Der AI Leaders A ist der erste und einzige KI-Investmentfonds, bei dem die Risiko-Steuerung ab Juli 2022 von einer KI überwacht wird. Für die Profilsteuerung wird nach einer mehrmonatiger Aufbauphase ein evaluierter Allokationsalgorithmus eingesetzt. Der Algorithmus TOPAS misst auf täglicher Basis Friktionen innerhalb des definierten
Aktienuniversums. Die Messwerte münden in einen Turbulenzindex. So ähnelt die Analyse von TOPAS der eines Seismografen. Die gemessenen Turbulenzwerte modulieren das dynamische Optimierungsverfahren, wodurch in Phasen niedriger Turbulenz TOPAS strategisch ausgerichtet wird und in Phasen höherer Turbulenz eine taktische Ausrichtung dominiert. Mit der ELAN Capital-Partners GmbH hat sich das Portfoliomanagement des AI Leaders ein spezialisiertes Wertpapierinstitut an Bord geholt, das sich, seit 2013 auf die Entwicklung von Allokationsalgorithmen für individuell skalierbare Wertpapieruniversen institutioneller Anleger fokussiert hat.
Willkommen in der größten technologischen Transformation in der Geschichte der Menschheit
Trotz der aktuellen negativen Entwicklung an den Börsen. sehen wir die weitere Entwicklung des AI Leaders äußerst positiv, da sich das Umfeld für das Thema künstliche Intelligenz täglich verbessert und ein kaum vorstellbares Wachstumspotential vor uns liegt.
Nach unseren Analysen liegen die Wachstumsraten der nächsten 10 Jahren bei:
Robotik: 51% p.a.
Blockchain: 43% p.a.
Batterie Technologie: 35% p.a.
GenSequenzierung: 40% p.a.
Mit einer Investition in den AI Leaders können Sie an diesem Wachstum teilhaben.
Das aktuelle günstige Kursniveau sehen wir als hervorragendenden Investitionszeitpunkt für langfristige Anleger dar.
Für weitere Fragen stehe wir Ihnen wie immer gerne zur Verfügung.
Herzliche Grüße aus Stuttgart
Tilmann Speck
Christian Hintz
Gerd Schäfer
Bild: Boston Dynamics
Der Ernst des Lebens hat Boston Dynamics’ Roboterhund Spot eingeholt. Oder doch nicht?
Die eigentliche Neuigkeit vorab: Boston Dynamics verbessert den vierbeinigen Roboter Spot mit vielen Updates an Hard- und Software. Neu sind unter anderem eine schnellere Akku-Ladezeit, mehr Zubehör für Manöver in komplexeren Arealen und Nvidias Prozessor Jetson Xavier NX mit besserer KI- sowie 5G- und Cloud-Unterstützung.
Kameraüberwachung in Farbe und ein besseres Tablet
Spot bietet jetzt einen farbigen Videostream über die fünf integrierten Kameras, mit denen sich der Roboter in der Umgebung orientiert. Die Kameras extrahieren zusätzlich Tiefeninformationen aus einer Szene für die Rekonstruktion einer Karte, über die sich Spot teilweise autonom durch Umgebungen bewegen kann.
Die Videodaten werden live auf ein verbessertes Samsung-Tablet übertragen, das jetzt einen größeren 20-Zoll-Screen bietet, in einem stabileren Gehäuse steckt und eine längere Akkulaufzeit von bis zu acht Stunden bietet.
Laut Boston Dynamic sollen es Spot-Führer mit dem neuen Tablet und dank der Farbübertragung leichter haben, den Roboter manuell per digitalem Joystick zu manövrieren. Außerdem bietet ihnen der größere Bildschirm mehr Platz für die Planung autonomer Missionen und die Datenanalyse.
An der Konnektivität hat Boston Dynamics ebenfalls geschraubt: Mit CORE I/O bietet Boston Dynamics eine verbesserte Datenübertragung über Nvidia Jetson Xavier NX an. Spot soll so visuelle Inspektionen vor Ort durchführen und Daten kontinuierlich erfassen können.
Das Rajant Kinetic Mesh Radio Kit soll in isolierten Netzwerken auf einer Fläche von bis zu 200.000 Quadratmetern einen stabilen Betrieb ermöglichen. Spot wird dafür mit einer zusätzlichen Antenne ausgerüstet sowie drei Funkgeräten, die auf dem Areal verteilt werden.
„Mit Spot CORE I/O ist die Integration, Implementierung und Inbetriebnahme von kundenspezifischen Sensoren und anderen Payloads auf der Spot-Plattform einfach und unkompliziert“, schreibt Boston Dynamics.
Boston Dynamics nimmt sich selbst aufs Korn
Die Updates und ihren möglichen Praxisnutzen zeigt Boston Dynamics in einem neuen Video – und nimmt sich dabei selbst aufs Korn: Überdurchschnittliche Bekanntheit erlangte der Roboterhund Spot lange Zeit über ausgefallen inszenierte Tanzeinlagen und weniger über seine nützlichen Fähigkeiten. Doch ab jetzt wird gearbeitet. Oder doch nicht?
Boston Dynamics stellt weitere Verbesserungen der Spot-Plattform und des -Ökosystems in Aussicht. Spot würde in vielen Unternehmen für Asset-Management-Strategien und langfristige vorausschauende Wartungsplanung eingesetzt. Als Beispiele nennt die Roboterfirma Nuklearumgebungen, Baustellen und Fertigungsanlagen.
Spot wird seit Sommer 2020 hauptsächlich an Unternehmen und Behörden verkauft, etwa für Patrouillen oder Sicherheitsmanöver. Der Preis startet ab 75.000 US-Dollar, je nach Ausrüstung.
Dem Marktstart gingen rund drei Jahrzehnte Roboterforschung und -entwicklung bei Boston Dynamics voraus. Die Firma gehört seit Ende 2020 zu Hyundai Motor, der Übernahmepreis lag bei 921 Millionen US-Dollar für eine Mehrheitsbeteiligung von 80 Prozent. 20 Prozent gehören weiter dem japanischen Telekommunikations- und Medienkonzern Softbank.
Quelle: Boston Dynamics, Mixed.de, Matthias Bastian
Bild: Meta AI
Metas KI-Forschende wollen anhand des menschlichen Gehirns lernen, bessere Künstliche Intelligenz zu entwickeln. KI wiederum könnte zunächst dabei helfen, das menschliche Gehirn besser zu verstehen.
Trotz der massiven Fortschritte Künstlicher Intelligenz in den letzten Jahren speziell bei der Sprach- und Bildverarbeitung ist der Lernprozess von KI-Systemen weit von menschlicher Effizienz entfernt.
Große Sprachmodelle verarbeiten gigantische Datenmengen, um eine Sprache zu lernen. Je mehr Daten, desto besser: Sprachmodelle werden mit Milliarden Sätzen trainiert, bis sie eine Sprache mehr oder weniger beherrschen. Menschen reichen grob geschätzt einige Millionen.
„Menschen und speziell Kinder lernen Sprache sehr effizient. Sie lernen schnell und anhand extrem weniger Daten. Dafür benötigen sie eine spezielle Fähigkeit, die wir derzeit nicht kennen“, sagt Jean-Rémi-King, leitender KI-Forscher bei Meta AI.
Eine gängige Sprach-KI prognostiziert ein zu einem Satz statistisch passendes Wort (links). Das menschliche Gehirn (rechts) entwirft auf Basis des gleichen Satzes ganze Story-Welten mit vielen Facetten. Wie, das versteht die Wissenschaft noch nicht. Metas KI-Team will das ändern. | Bild: Meta AI
Trotz des gigantischen Datentrainings haben KI-Systeme bei der Generierung längerer Texte bis hin zu ganzen Geschichten deutliche Schwächen bei Konsistenz und Logik. Das hat einen Grund: KI sagt typischerweise nur das nächste Wort vorher, Menschen hingegen entwerfen anhand einzelner Wörter Ideen, Handlungen und ganze Erzählungen.
Auf den Spuren menschlicher Intelligenz
In einer Langzeitstudie wollen Meta-Forschende daher die Aktivierungen in neuronalen Netzen mit jenen des menschlichen Gehirns bei der Verarbeitung natürlicher Sprache vergleichen. Ihre Hoffnung ist, dass sie so mehr über die Prognoseunterschiede zwischen Gehirn und KI-Modell herausfinden.
Metas KI-Forschende untersuchen mit der Magnetoenzephalographie im Millisekundenbereich die Wirkung einzelner Wörter und Sätze auf das Gehirn. Diese Reaktionen gleichen sie dann mit den Aktivierungen in großen neuronalen Netzen von Sprachmodellen ab und suchen nach Mustern und Erkenntnissen. | Bild: Meta AI
Metas KI-Team berichtet über erste Erkenntnisse anhand eines Vergleichs der Hirnaktivitäten von 345 fMRI-Aufnahmen von Menschen, die einer Erzählung zuhörten, und der neuronalen Aktivierung in Sprachmodellen, denen diese Erzählung als Input diente. So würden mit der Gehirnaktivität eher vergleichbare Sprachmodelle neue Wörter besonders gut auf Kontextbasis vorhersagen („Es war … einmal“).
Diese Vorhersage auf Basis einer Eingabe sei der Kern des selbstüberwachten Lernens und womöglich der Schlüssel dazu, wie Menschen Sprache verstehen, so die Forschenden.
Metas Ziel: KI auf Mensch-Niveau
„Unsere Ergebnisse zeigen, dass bestimmte Hirnregionen, wie der präfrontale und der parietale Kortex, am besten von Sprachmodellen abgebildet werden, die um tiefe Repräsentationen weit entfernter Wörter in der Zukunft erweitert wurden“, schreibt Metas KI-Team.
Diese ersten Ergebnisse würden ein Licht auf die „rechnerische Organisation des menschlichen Gehirns und seine inhärent prädiktive Natur“ werfen und den Weg ebnen für bessere KI-Modelle.
Dennoch gehe die menschliche Vorhersage weit über die von KI-Sprachmodellen hinaus und viele Funktionsweisen des menschlichen Gehirns seien weiter unklar.
Die bisherigen Untersuchungen zeigten jedoch, dass es quantifizierbare Ähnlichkeiten zwischen Gehirn und KI-Modellen gebe, aus denen womöglich Rückschlüsse auf die Funktionen des menschlichen Gehirns möglich seien. „Deep-Learning-Tools haben es möglich gemacht, die Hierarchie des Gehirns auf eine Weise zu klären, die vorher nicht möglich war“, schreibt das Team. Das wiederum würde in den Neurowissenschaften neue Möglichkeiten schaffen.
Die Langzeitstudie am menschlichen Gehirn ist laut Meta Teil der Bestrebung, Künstliche Intelligenz auf menschlichem Niveau zu schaffen.
Quellen: Meta AI, Matthias Bastian, Mixed.de
Wachstumsunternehmen gehören Seit Mitte November 2021 zu den Verlierern an den Kapitalmärkten. Dieser Entwicklung konnte sich der AI Leaders nicht entziehen. Die Wachstums- und Ertragszahlen der Unternehmen spiegeln diese Entwicklung aber nicht wider. Viele Unternehmen sind inzwischen günstig bewertet und eine klare Kaufgelegenheit für Investoren, die einen mittel- bis langfristigen Anlagehorizont haben.
Das Fondsvolumen liegt bei 32 Mio. Euro.
Die größten Positionen
AI Leaders – Konkurrenzvergleich
Seit Jahresbeginn wurde das Portfolio des AI Leaders breiter aufgestellt, d.h. eine Erhöhung der Aktienanzahl und von Unternehmen, die KI einsetzen. In Folge dessen konnte sich der AI Leaders von dem konzentrierten Echiquier Artificial Intelligence und dem größten KI Fonds, dem Allianz Global Artificial Intelligence deutlich absetzen.
Die weitere Entwicklung des AI Leaders sehen wir auf Basis der aktuellen Kurse als exzellent an.
Für weitere Fragen stehe wir Ihnen wie immer gerne zur Verfügung.
Herzliche Grüße aus Stuttgart
Tilmann Speck
Christian Hintz
Gerd Schäfer
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.
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
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.
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
Bild: Foto von Pavel Danilyuk von Pexels
Auch 2021 schreitet die KI-Entwicklung in einem Wahnsinnstempo voran. Das sind die wichtigsten KI-News des Jahres.
In den letzten zehn Jahren hat sich Künstliche Intelligenz von einem Forschungsthema zum Kernelement der vierten industriellen Revolution entwickelt. Auch 2021 spielt KI eine große Rolle in Wirtschaft, rückt stärker ins Auge der Politik und wird immer deutlicher zum vielversprechenden Wissenschaftswerkzeug.
Inhalt
2020 leitete OpenAI mit der Veröffentlichung und dem Verkauf der Sprach-KI GPT-3 eine Veränderung in der KI-Vermarktung ein. Erstmals wurde ein großes Sprachmodell selbst zum Produkt, auf das Kunden über eine API zugreifen.
Die Auswirkungen dieser Privatisierung fortschrittlicher Sprachmodelle sind 2021 deutlich zu spüren: Zahlreiche Projekte auf der ganzen Welt fördern GPT-3-Alternativen, wie das chinesische Wu Dao 2.0, das israelische Jurassic-1 Jumbo oder Nvidias NeMo Megatron. Auch Europa und Deutschland soll ein eigenes GPT-Projekt bekommen, forderte schon früh der KI-Bundesverband. Das entsteht unter Beteiligung des deutschen KI-Unternehmens Aleph Alpha, heißt OpenGPT-X und soll Teil des europäischen digitalen Ökosystems Gaia-X werden.
2021 bringt auch Open-Source-Sprachmodelle wie GPT-Neo von Eleuther AI, einem losen Zusammenschluss von KI-Forschenden, die besonders auf vorurteilsfreie Daten für das Training achten. Vorurteile finden sich 2021 erneut in OpenAIs GPT-3, primär gegen Muslime. Das Unternehmen bekämpft sie mit zusätzlichen Wertedaten.
In Zukunft könnte GPT-3 zusätzlich in verlässlichen Internetquellen recherchieren, um eine höhere Sicherheit bei der Sprachgenerierung zu gewährleisten. Diese und weitere Sicherheitsmechanismen führen dazu, dass OpenAI den Zugang zu GPT-3 für alle ohne Warteliste freigibt.
Die Technologie findet zahlreiche Abnehmer, laut OpenAI gibt es Mitte des Jahres bereits 300 Apps. Beispiele: Entwickler testen die Sprach-KIs für VR-Avatare, generieren My-Little-Pony-Chatbots oder interaktive Text-Abenteuer.
OpenAI veröffentlicht außerdem Codex – ein KI-System, das mit Sprache und Code trainiert wurde. Codex kann Code vervollständigen oder Anweisungen in natürlicher Sprache in Code verwandeln. Das Unternehmen will Codex in den nächsten Monaten weiter verbessern. GPT-4 soll folgen und bessere Leistung bei höherer Effizienz bieten.
Forschende untersuchen die Funktionsweise großer Sprachmodelle und stellen Ähnlichkeiten zum menschlichen Gehirn fest. Diese Erkenntnis wird Ende des Jahres genutzt, um tiefere Einblicke in die Theorie der prädiktiven Kognition zu gewinnen – ein Sprachmodell wird zum Werkzeug für die Neurowissenschaft.
2. Multimodale KI: Auf der Fährte des „gesunden Menschenverstands“
Ausgehend vom Erfolg der großen Sprachmodelle beginnen Forschende bereits 2020 mit der Entwicklung multimodaler Modelle, die etwa mit Text- und Bilddaten trainiert werden. Das große Ziel der multimodalen KI-Entwicklung: Künstliche Intelligenz soll ein besseres Verständnis für die Welt entwickeln, sich dem „gesunden Menschenverstand“ nähern. Je mehr Eindrücke aus verschiedenen Quellen die KI beim Datentraining sammeln kann, desto näher rückt dieses Ziel, hoffen einige Forschende.
Bereits im Januar zeigt OpenAI das beeindruckende DALL-E, das zu einer Textbeschreibung passende Bilder generiert. Hilfe erhält es dabei von OpenAIs ebenfalls multimodal trainiertem Bildanalyse-System CLIP.
CLIP erkennt, ob ein Bild zu einer Bildbeschreibung passt und wird daher schnell von KI-Forschenden eingesetzt, um etwa GAN-Systeme von Nvidia zu steuern. Wombo AI nutzt die Technologie für die Wombo-Dreams-App, Nvidia generiert Landschaftsbilder und Microsoft sogar kurze KI-Videos.
Bild: OpenAI
Ende des Jahres zeigt dann Google, dass multimodale Modelle auch 3D-Ansichten nach Beschreibungen generieren können. OpenAI schließt das Jahr mit GLIDE ab, einem KI-Modell, das DALL-E bei der Qualität der generierten Bilder deutlich übertrifft. Der Fortschritt innerhalb eines Jahres ist beeindruckend.
Abseits der Bildgenerierung forschen Google und Deepmind an weiteren Einsatzmöglichkeiten multimodaler KI: Deepminds Perceiver soll etwa Audio- und 3D-Point-Daten verarbeiten können. Google sieht im multimodalen MuM-Modell die Zukunft der Suchmaschine: Es ermöglicht kombinierte Suchanfragen von Bildern und Text und somit bessere Suchergebnisse auf komplexere Anfragen.
3. Der Deepfake-Hype ist vorbei – weil die Technologie im Alltag ankomm
Eine weitere KI-Technologie ist im Alltag angekommen: Deepfakes werden immer besser und leichter zu erstellen. Anfang des Jahres zeigt das ein Fake-Tom-Cruise, der die sozialen Netzwerke täuscht. Auch wenn für eine Täuschung dieses Qualitätsniveaus noch reichlich Nachbearbeitung notwendig ist.
Der befürchtete Missbrauch der Deepfake-Technologie für politische Manipulation bleibt zwar bislang aus, zumindest wurden keine Fälle bekannt. Der Missbrauch speziell bei pornografischen Inhalten nimmt jedoch neue Ausmaße an.
Deepfake-Apps für Smartphones sind erfolgreich und Disney heuert einen erfolgreichen Deepfake-YouTuber an, um die Technologie für Produktionen des Mega-Konzerns zu testen. Im Herbst veröffentlicht Nvidia außerdem die neueste Generation des KI-Gesichtsgenerators StyleGAN. Der macht die Fake-Bilder noch glaubwürdiger und erstellt sogar kurze Videoclips.
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.
4. Künstliche Intelligenz als Werkzeug für die Wissenschaft
Bereits in den letzten Jahren fanden KI-Systeme Einzug in Wissenschaften, Technik und Medizin. Dieser Trend setzt sich fort und verstärkt sich. Auch dieses Jahr gibt es etwa Zulassungen für KI-Systeme in der Radiologie, eine Dermatologie-App von Google, eine KI-Verbesserung für die Mikroskopie oder ein KI-System für Chip-Design. Andere KIs helfen, Medikamente zu entwickeln oder bessere Materialien zu finden.
Bereits im Dezember 2020 zeigt Deepmind AlphaFold 2.0. Das KI-System gilt als wissenschaftlicher Durchbruch, da es das alte Problem der Proteinfaltung lösen und so viele Forschungsbereiche voranbringen kann.
Dieses Jahr zeigen sich erste Auswirkungen: AlphaFold wird zum Beispiel von der Genfer Initiative für vernachlässigte Krankheiten eingesetzt, um parasitäre Krankheiten zu heilen. Andere Teams setzen AlphaFold ein, um etwa die Spike-Protein-Struktur neuer COVID-Varianten zu berechnen.
Im Juli veröffentlicht Deepmind dann AlphaFold 2 als Open-Source und fügt der Open-Access „Protein Data Bank“ 350.000 3D-Strukturen von 20 unterschiedlichen Organismen hinzu. Rund 20.000 der prognostizierten Strukturen gehören zum Menschen, was circa 98 Prozent der Proteinstrukturen im menschlichen Körper entspricht. Science kürt AlphaFold als „Durchbruch des Jahres“.
Deepminds Mutterkonzern Alphabet gründet auf Basis von Alphafold das Unternehmen Isomorphic Laboratories. CEO ist Deepmind-Chef Demis Hassabis. Das Unternehmen soll mit Künstlicher Intelligenz Medikamente entwickeln und hat das Potenzial, den Pharmamarkt gehörig aufzuwirbeln.
Die KI-Forschenden von Deepmind setzen ihre KI-Systeme jedoch auch in anderen Wissenschaften erfolgreich ein. Eine KI entdeckt in Kooperation mit menschlichen Mathematiker:innen neue mathematische Verknüpfungen. Ein anderes System sagt Materialeigenschaften anhand der Elektronendichte voraus und könnte so eine 50 Jahre alte Methode ablösen.
Ein weiteres Forschungsteam stellt Mitte des Jahres eine AlphaFold-Alternative vor und das KI-System MuSIC deckt unbekannte Systeme in menschlichen Zellen auf.
5. Fortschritte bei autonomen Autos und Robotern
Vollständig autonom fahrende Autos gibt es immer noch nicht, doch Unternehmen wie Waymo oder Tesla machen kleine Fortschritte. Im Tech-Zentrum Kalifornien testen mittlerweile acht Start-ups fahrerlose Autos. Hyundai startet im Herbst erste Level-4-Tests in Korea und UPS schickt Waymos Robot-Trucks durch Texas.
Waymo gewährt Medienvertretern einen Blick durch das Cockpit eines autonom fahrenden Trucks. | Bild: Waymo / TTNews
Während viele Unternehmen auf mehr Sensoren setzen, verzichtet Tesla in Zukunft auf das Radar. Ein überaus mutiger und in der Branche umstrittener Schritt: Das KI-System Tesla Vision soll zukünftig nur mit Kameras auskommen. Am Tesla-Day zeigt das Unternehmen von Elon Musk den neuen Supercomputer Dojo und gibt Einblicke in den Trainingsprozess von Tesla Vision und die Zukunft des Systems. Musk rechnet damit, dass Teslas Autopilot 2022 im Schnitt deutlich sicherer fährt als der Mensch.
Auch bei anderen autonomen Fahrzeugen gibt es Fortschritte: KI-Forschende zeigen einen Lauf-Roboter, der seinen Gang selbstständig an neue Untergründe anpasst. Damit überwinden sie zumindest im Ansatz die sogenannte Realitätslücke, die entsteht, wenn das KI-Training nur in einer Computer-Simulation stattfindet.
Auch Boston Dynamics Spot wird autonomer. Das Unternehmen will jetzt alle drei bis fünf Jahre neuartige Roboter mit fortschrittlichen Fähigkeiten auf den Markt bringen.
OpenAI schließt dagegen seine Roboterabteilung – das große Ziel, eine generelle KI, soll ohne den Umweg über Robotertraining schneller erreicht werden. Deepmind glaubt dagegen an die Vorteile des Simulationstrainings, kauft die intern bevorzugte Physik-Simulationssoftware MuJoCo und macht sie frei verfügbar.
Deepminds Mutterkonzern Alphabet gründet außerdem das Robotik-Unternehmen Intrinsic, dass die Fortschritte Künstlicher Intelligenz für die Robotersteuerung in die breite industrielle Anwendung bringen soll.
Robotertraining bleibt jedoch weiter eine große Herausforderung, stellen Forschende in einer Untersuchung fest. Die Schwächen aktueller Lernalgorithmen der für den Robotereinsatz favorisierten KI-Trainingsmethode „bestärkendes Lernen“ zeigte sich auch Ende des Jahres in der Nethack-Challenge.
6. KI-Regeln und autonome Waffen
Die steigenden Kapazitäten von KI-Systemen und ihre zunehmende Verbreitung rückt die Technologie immer stärker in das Auge politischer Akteure. Die EU-Kommission veröffentlicht im April 2021 ihren „Vorschlag zur Regulierung eines europäischen Ansatzes für Künstliche Intelligenz“.
Auf den knapp 100 Seiten stellt die Kommission den ersten Rechtsrahmen für KI vor. Die Vorschläge werden nun vom Rat der Europäischen Union und dem Europäischen Parlament bearbeitet. Auch in anderen Regionen der Welt gibt es erste KI-Regeln. So stellt etwa China eine eigene Norm für autonome Autos vor und reguliert den Einsatz von Empfehlungsalgorithmen.
Der AI Leaders gab in den ersten zwei Monaten des Jahres 20,06% nach und dies ohne nennenswerte negative Unternehmensmeldungen.
Das Fondsvolumen liegt bei 36 Mio. Euro.
Diese Korrekturen kennen Investoren seit Auflage des Fonds und stellen immer wiederkehrende Einstiegschancen dar.
Bei manchen Unternehmen waren die Korrekturen so stark, dass die Wachstumsraten deren Bewertung deutlich übersteigen.
Hier eine kleine Auswahl aus dem AI Leaders Fonds:
.
Seit der letzten Korrektur im Mai 2021 konnte sich kein KI Fonds absetzen. Ob konzentriert in den besten Wachstumsunternehmen oder breit investiert. Bedingt durch gestiegene Inflationsraten, Ankündigungen der amerikanischen Zentralbank und der Überfall auf die Ukraine.
Alle erfolgreichen KI Fonds haben ihre Gewinne seit Mai 2021 wieder abgegeben, obwohl die Unternehmen in dieser Zeit im Durchschnitt über 30% (interne Daten vom AI Leaders) gestiegen sind. Für Investoren stellt dies einen optimale Einstiegszeitpunkt da.
Bei der Länder- und Branchenaufteilung haben sich in den letzten Wochen keine wesentlichen Änderungen ergeben.
Länder- und Branchenaufteilung:
Trotz aller Schwankungen und Unsicherheiten sehen wir langfristig ein außergewöhnlich hohes Wachstum und erwarten
mittelfristig eine überdurchschnittliche Wertentwicklung.
Für weitere Fragen stehe wir Ihnen wie immer gerne zur Verfügung.
Herzliche Grüße aus Stuttgart
Tilmann Speck
Christian Hintz
Gerd Schäfer
AI Leaders – We invest in future Technology
Lassen Sie sich den Megatrend KI nicht entgehen!
