Logo von heise online

Suche
Abonnieren

Tägliche Top-News bei WhatsApp, Facebook Messenger, Telegram & Insta

preisvergleich_weiss

Recherche in 1.702.466 Produkten

Stefan Krempl 168

Missing Link: Street View verrät Wahlverhalten oder Datenschutz mit KI aushebeln

Missing Link: Künstliche Intelligenz oder Was Google Street View über Wahlvorlieben verrät

Forschern ist es gelungen, mithilfe von Deep Learning aus öffentlich verfügbaren Google-Straßenaufnahmen auf soziale, wirtschaftliche und politische Muster in Stadtvierteln zu schließen. Wie bei ähnlichen KI-Verfahren gibt es Datenschutzbedenken.

Wenn einem beim Durchfahren einer Stadt in den USA mehr viertürige Stufenhecklimousinen als Pickup-Trucks begegnen, ist die Wahrscheinlichkeit mit 88 Prozent recht groß, dass dort bei der nächsten Präsidentschaftswahl ein Kandidat der Demokraten das Rennen macht. Lässt sich das gegenteilige Phänomen beobachten, dürfte sich die Kommune eher für einen Republikaner aussprechen – bei einer Treffsicherheit von 82 Prozent.

Anzeige

Was ein US-Forscherteam jüngst herausgefunden und in einem Beitrag in den Proceedings of the National Academy of Sciences veröffentlicht hat, hört sich zunächst nicht nach höherer Mathematik an. Marktforscher und Politikanalysten könnten durch eigene Recherchen und Umfragen zu ähnlichen Ergebnissen kommen. Überraschender und vermutlich deutlich folgenschwerer ist die Art und Weise, wie die Wissenschaftler unter Einsatz von Methoden Künstlicher Intelligenz (KI) zu den Resultaten gekommen sind.

Die Gruppe, die Timnit Gebru als Doktorandin an der Stanford-Universität geleitet hat, analysierte für das Vorhaben mit maschineller Hilfe rund 50 Millionen öffentlich verfügbare Bilder und Standortdaten von Google Street View. Erstmals schafften es die Wissenschaftler dabei über Deep-Learning-Methoden, aus dem Straßenansichtsdienst weitere Daten abzuleiten, diese zu sortieren, nach Zusammenhängen zu durchschürfen sowie soziale, wirtschaftliche und politische Muster wie Einkommen, Einkaufsvorlieben oder Interessen für einzelne Parteien in Stadtvierteln der gesamten USA auszumachen.

Der Ansatz könne helfen, schreiben die Forscher, klassische Formen der Demoskopie und die Volkszählung zu ergänzen und zu unterfüttern. Automatische Systeme dürften ihnen zufolge imstande sein, demografische Informationen künftig effizienter als "arbeitsintensive Ansätze" in hoher "Auflösung" und "fast in Echtzeit" zu messen.

Für den Informatiker Erez Lieberman Aiden, der ein genomisches Forschungszentrum an der Baylor School of Medicine leitet und das von Stanford aus orchestrierte Team beraten hat, geht das Projekt weit darüber hinaus: "Auf einmal können wir Bilder genauso analysieren wie bislang Text", erklärte er der New York Times. Computer dürften nun auch in diesem Bereich ihre Fähigkeiten ausspielen, "ohne eine Hand auf den Rücken gebunden zu haben".

Ähnlich wie bei Menschen gibt es bei der KI über die Untersuchung von Text, Sprache und Beobachtungen unterschiedliche Wege, um sich die Außenwelt zu erschließen. Die ersten beiden Kategorien waren bei rechnergestützten Verständnisversuchen bisher trotz aller semantischer Mehrdeutigkeiten prinzipiell einfacher zu handhaben, da sie zunächst auf begrenzten Zeichenabfolgen wie dem Alphabet aufbauen. Aber auch die Bilderkennung hat in den vergangenen Jahren Fortschritte gemacht, auch weil Konzerne viel Geld in dieses Gebiet gesteckt und etwa Methoden zur Gesichtserkennung verbessert haben.

Gebru et.al.
(Bild: Gebru et.al.)

Das auf Google Street View aufsetzende Projekt weist in diese Richtung. Wichtigster Hinweis ist dabei das liebste Kind der US-Amerikaner und ein Symbol der westlichen Kultur: das Auto. Ein solches findet sich den Forscher zufolge in 90 Prozent der US-Haushalte und die Wahl des motorisierten Fahrzeugs werde beeinflusst durch zahlreiche demografische Faktoren einschließlich der Bedürfnisse, der persönlichen Vorlieben und der ökonomischen Gesamtsituation der Halter.

Anzeige

Um diese Variablen für den Computer zu erschließen, entwickelten die Wissenschaftler ein Erkennungssystem, das vor allem auf dem Deep-Learning-Modell der "Convolutional Neural Networks" (CNN) aufbaut. Darunter versteht man ein künstliches neuronales Netz, das konzeptionell biologische Prozesse für das maschinelle Lernen nachzuahmen versucht, und laut den Autoren den bislang für die Objektklassifizierung erfolgreichsten einschlägigen Algorithmus nutzt. Mit dem System sei es möglich gewesen, nicht nur insgesamt 22 Millionen Autos in den komplexen Straßenszenen aus Street View auszumachen, sondern auch eine weite Reihe ihrer Charakteristiken festzustellen. Dazu gehörten etwa der Fabrikant, das Modell und das Baujahr.

Die CNN-Variante ist laut den Insidern mittlerweile fähig, Autos jeweils binnen 0,2 Sekunden in eine von 2657 Kategorien einzuordnen. Die Treffsicherheit, ein normales zwei- oder viertüriges Fahrzeug zu erkennen, liege bei 95 Prozent anhand der Testdaten. Vans und Minibusse könne das System mit einer Trefferquote von 83 beziehungsweise 91 Prozent unterscheiden, Geländefahrzeuge sowie SUVs zu 86 und Pritschenwagen zu 82 Prozent. Die Klassifizierung der 50 Millionen Aufnahmen dauerte so zwei Wochen. Ein menschlicher Experte hätte dafür über 15 Jahre gebraucht, da ein einzelner entsprechender Vorgang bei ihm rund zehn Sekunden dauert.

Vorher war es nötig, den CNN-Algorithmus entsprechend zu trainieren. Das habe die eigentliche Herkulesaufgabe dargestellt, erzählte die derzeit bei Microsoft Research tätige Gebru der New York Times. Viele KI-Projekte scheiterten genau an diesen Grundlagen in der physikalischen Welt. Maschinenlernen funktioniert in der Regel so, dass eine große Datenmenge in spezielle Kategorien eingeteilt wird, wobei einzelnen Werten unterschiedliche Zusatzinformationen angefügt werden. Eine von Hand gepflegte Datenbank musste auch in diesem Fall her, um der KI-Software zunächst zu helfen, die Bilder und die darauf ersichtlichen Objekte zu identifizieren und zu unterscheiden.

Die Forscher heuerten dafür mehrere hundert Leute an, die aus einem Testset von einer Million Aufnahmen die darin sichtbaren Autos herauspickten und klassifizierten. Darunter waren Liebhaber, die der Maschine etwa beibrachten, die subtilen Unterschiede an den Rückleuchten eines Honda Accord der Baujahre 2007 und 2008 wahrzunehmen.

Nachdem das System eingearbeitet war, konnte es unter anderem das durchschnittliche verfügbare Haushaltsgeld, die hauptsächliche ethnische Herkunft, die Ausbildung und die Wahlmuster auf der Ebene einzelner Viertel mit recht hoher Wahrscheinlichkeit bestimmen. Unter den weiteren Korrelationen war, dass Burlington in Vermont die Stadt mit den Autos mit dem wenigsten Benzinverbrauch war; Casper in Wyoming im Mittleren Westen hatte dagegen fahrzeugtechnisch die schlechteste Kohlendioxidbilanz pro Kopf. Generell schätzte der Algorithmus die Oststaaten und den Westen der USA als ökologisch "grüner" ein als die Regionen im Binnenland.

Chicago ist laut der Analyse die Stadt mit den höchsten Unterschieden bei den Einkünften mit großen Clustern teurer und billiger Autos in einzelnen Vierteln. Jacksonville in Florida ist in dieser Hinsicht die homogenste Gemeinde mit einem recht hohen Ausgabeniveau. New York hat das System als die Stadt mit den teuersten Autos identifiziert, in El Paso hat es die meisten Hummer entdeckt, in San Francisco den höchsten Anteil ausländischer Modelle.

Als die zwei Marken, die am stärksten auf asiatisch geprägte Viertel hinweisen, haben die Forscher mithilfe der Maschine Hondas und Toyotas ausgemacht. Autos von Chrysler, Buick und Oldsmobile verwiesen auf Gegenden mit vielen Afroamerikanern. Wo vor allem Pickups, Volkswagen und Aston Martins parkten, galt dies als Anzeichen für einen überwiegend von Weißen bewohnten Kiez.

Selbst das Alter von Kindern in einer Gegend konnten die Wissenschaftler nach eigenen Angaben mit einer noch "moderat akkuraten" relativen Häufigkeit von knapp über 50 Prozent einschätzen. Nicht ableiten ließ sich mit der Methode aber etwa der Anteil von Landwirten, die in einer bestimmten Region wohnen. Traktoren fanden sich auf den Straßenansichten offenbar selten. Generell sind viele der Verknüpfungen ähnlich wie bei anderen KI-Projekten mit Vorsicht zu genießen, schon allein da die Fehlerwahrscheinlichkeiten dabei meist noch hoch sind.

Gebru und ihre Kollegen sind sich ihrem Artikel nach bewusst, dass ihr Verfahren nicht nur Marktforschern und Politikern das Leben erleichtern könne, sondern auch "wichtige ethische Bedenken" hervorrufen werde. Es sei klar, dass öffentliche Daten nicht verwendet werden sollten, um die "angemessenen Erwartungen an die Privatheit individueller Bürger" zu unterlaufen. Der Datenschutz werde daher bei der Weiterentwicklung des Ansatzes etwa für Voraussagen bis zur Ebene einzelner Individuen eine wichtige Stellschraube bilden. Material dafür dürfte es genug geben, sobald mehr hochautomatisierte Autos mit ihren Kameras und Sensoren durch die Straßen fahren. Hierzulande hatte Street View schon vor dem Start des Dienstes 2010 Datenschützer auf den Plan gerufen.

Für ein Auslaufmodell hält Michael Kosinski den Datenschutz, der an der "Graduate School of Business" der Stanford University lehrt. Der Experte für Computerpsychologie gilt als Meister auf dem Gebiet der Psychometrik, einem Teil der Psychologie, der sich unter anderem mit Big Data und KI beschäftigt und die menschliche Persönlichkeit auszumessen sucht. Als Student an der Universität Cambridge in Englang tüftelte der gebürtige Pole ein mathematisches Verfahren aus, mit dem sich anhand von Facebook-Likes und anderen öffentlich zugänglichen Daten der Charakter eines Menschen bestimmen und sein Verhalten voraussagen lassen können soll.

Für seine kontroversen Untersuchungen greift Kosinski auf das in den 1980ern entwickelte Ocean-Modell zurück. Die Kategorisierung basiert auf den sogenannten Big-Five-Faktoren, die sich in der Psychologie als Persönlichkeitsmerkmale bewährt haben: Offenheit, Gewissenhaftigkeit, Extraversion, Verträglichkeit und Neurotizismus. In Cambridge kreierte der Doktorand zusammen mit einem Kollegen die App "MyPersonylity" für Facbook mit dem sich anhand weniger Fragen ein Persönlichkeitstest auf der Ocean-Basis durchführen ließ. Zur Überraschung der Erfinder machten in recht kurzer Zeit Millionen Nutzer mit, sodass das Duo bald auf einem großen psychologischen Datenschatz saß und mehr oder weniger gewagte Schlüsse daraus ableitete. Einer davon: Männer, die auf Facebook ein Faible für die Kosmetikmarke Mac kundtun, sollen mit hoher Wahrscheinlichkeit schwul sein.

"Unsere Forschung zeigt, dass die Aufzeichnung digitaler Verhaltensmuster wie zum Beispiel Tweets, Facebook-Likes oder Webbrowser-Protokolle genügt, um ein detailliertes Bild der Persönlichkeit, Intelligenz oder politischen Einstellung zu erlangen" konstatierte Kosinski voriges Jahr vor einem Vortrag auf der CeBIT. Schon 2012 hatte er behauptet, dass 86 Facebook-Likes eines Nutzers ausreichen, um mit Wahrscheinlichkeiten zwischen 95 und 85 Prozent vorauszusagen, ob er weiß oder schwarz, Homo oder Hetero ist und Demokraten oder Republikaner wählt.

Solche Big-Data-Analysen erforderten nicht einmal eine aktive Beteiligung der Betroffenen, weiß der Wissenschaftler. "Sie sind auf große Populationen anwendbar, kostengünstig und könnten viele Bereiche revolutionieren", meint er, warnt aber zugleich: "In den falschen Händen stellen diese Methoden erhebliche Risiken für die Privatsphäre dar."

Auf der CeBIT nahm Kosinski seine Untersuchungen gegen den Vorwurf der "Pseudowissenschaft" in Schutz und gab einen Ausblick auf einen im Herbst 2017 erschienenen, besonders umstrittenen Artikel: Der Mensch könne in Sekunden an einem Gesicht dessen Geschlecht erkennen, oft reiche dafür eine Augenbraue, führte er aus. Dahinter stehe eine Art "neuronales Netzwerk" im Gehirn, auch wenn sich dieses im Vergleich zu den immens gesteigerten Computerrechenkräften auf einer "niedrigen Ebene" befinde. Eine Künstliche Intelligenz könne dagegen dank Deep-Learning-Algorithmen noch einfacher am Gesicht allein etwa die Stimmung, die politische Einstellung oder die sexuelle Orientierung eines Menschen erkennen, sobald sie mit Millionen entsprechender Bilder und "Personalitätsscores" gefüttert worden sei. Auch dem Menschen falle es leichter zu sehen, ob jemand extrovertiert sei, wenn man mehrere Gesichtsbilder einer Person übereinanderlege.

Die große Herausforderung dabei sei, merkte Kosinski an: "Wir wissen nicht, wie die Vorhersagen funktionieren." Deep Learning finde hier ein einer Blackbox statt, sodass es der Mensch nicht mehr vollständig nachvollziehen könne. Zugleich prognostizierte er: "Es wird sehr schwer werden, unsere Privatsphäre aufrechtzuerhalten." Wer seine Daten nicht teile, sei aber "egoistisch". Google etwa verbessere damit ja auch das Nutzererlebnis für Dritte. Vor allem im Gesundheitswesen sei eine Datenabgabe wichtig für einschlägige Prognosen.

Zudem gibt es laut dem Befürworter einer "transparenten Gesellschaft" ein natürliches Mitteilungsbedürfnis beim Homo Socialis: "Wir wollen von uns aus viele Informationen mit Dritten teilen." Es müsse aber anhand sozialer und politischer Regeln sichergestellt sein, dass solche Preisgaben nicht zu einer "Sache von Leben oder Tod" für die Betroffenen führten.

Anfang September sorgte Kosinski dann für Schlagzeilen weltweit, als sein Aufsatz zur Fähigkeit von "Deep Neural Networks" zur Erkennungsmöglichkeit der sexuellen Orientierung von Menschen anhand von Gesichtsbildern als Vorabdruck online erschien. Der Economist titelte: "Es gibt kein Versteck mehr: Was Maschinen aus Ihrem Gesicht ablesen können." Mithilfe des psychometrischen Netzwerks VGG-Face lässt sich demnach mit einer Trefferquote von 81 Prozent anhand eines einzelnen Fotos einer Person sagen, ob der abgebildete Mann voraussichtlich schwul oder heterosexuell ist. Bei fünf Gesichtsbildern stieg die Rate auf 91 Prozent.

Wang, Y., & Kosinski, M.
Angeblich "typische Gesichter" von Homosexuellen (Bild: Wang, Y., & Kosinski, M.)

Dass Frauen lesbisch seien, glaubte die Software zu 71 beziehungsweise 83 Prozent bestimmen zu können. Menschen erraten die sexuelle Orientierung von Männern in 61Prozent, die von Frauen in 54 Prozent der Fälle richtig; aber auch die maschinelle Fehlerquote von knapp zehn bis 30 Prozent würde hierzulande zu einer möglichen Diskriminierung von Millionen Personen führen. Bei einem Vergleichstest mit Bildern von Facebook lag die Trefferquote zudem durchschnittlich nur bei 74 Prozent.

Das künstliche neuronale Netzwerk hatten Kosinski und sei Kollege Yilun Wang mit einem Set von über 300.000 Gesichtsbildern von mehr als 36.000 Männern und 38.000 Frauen im Alter zwischen 18 und 50 Jahren aus Online-Partnerbörsen gespeist und mit einer Auswahl von 35.326 Aufnahmen von 14.776 Personen trainiert. Die KI sollte dabei lernen, anhand von 4000 Punkten und feinsten Unterschieden darin festzustellen, zu welchem Geschlecht sich Betroffene hingezogen fühlen.

Ausgangsthese war auf Basis der pränatalen Hormontheorie (PHT), dass eine gleichgeschlechtliche Ausrichtung entsteht, wenn männliche Embryonen im Mutterleib zu wenigen und weibliche zu vielen Androgenen ausgesetzt sind. Schwulen sollen demnach etwa kleinere Kiefer und Kinne, dafür aber eine längere Nase und eine größere Stirn haben, während auf Lesben das Gegenteil zutreffe. Bei homosexuellen Männern sei auch oft ein verringerter Bartwuchs festzustellen. Dazu kämen kulturelle Erkennungsfaktoren wie eine Vorliebe für oder Abneigung gegen Schminke.

Die fragliche moderne Form der ursprünglich im 19. Jahrhundert entwickelten Phrenologie, wonach die Schädelform wichtige Hinweise auf den Charakter und die Intelligenz eines Menschen gibt, und der später daraus abgeleiteten "Rassenlehre" hatte zuvor auch schon das israelische Startup Faception auf die biometrische Gesichtserkennung zu übertragen versucht. Die Firma behauptet, dass ihre Software anhand von Porträts feststellen kann, ob ein Mensch etwa generell zu Gewalttaten oder speziell zu Pädophilie oder Terrorismus neigt oder dem Glücksspiel frönt.

Kosinski und sein Kollege halten Lesern nun nachdrücklich vor Augen, dass der Homo-Scanner anhand von öffentlich verfügbaren Gesichtsfotos aus sozialen Netzwerken und anderen Online-Foren sowie der zunehmenden Videoüberwachung oder staatlichen Biometrie-Datenbanken mit nicht einmal maßgefertigten Werkzeugen einfach nachgebaut werden könne. "Wir haben kein Tool entwickelt, das in die Privatsphäre eindringt", verteidigen beide ihre Arbeit. Vielmehr hätten sie gezeigt, dass weit verfügbare und von Regierungen eventuell schon verwendete Methoden gravierende Bedrohungen für den Datenschutz darstellten. Die Sicherheit der LGBTQ-Community und anderer Minderheiten hänge damit vor allem von der gesellschaftlichen Toleranz ab. Die "Postprivacy-World" werde nur dann angenehm, wenn sie von Menschen bevölkert sei, die allen Artgenossen gleiche Rechte zusprächen.

Die Frage, wie viel Humbug und fehlgeleitete Annahmen in solchen Forschungen stecken, stellt sich auch bei der Big-Data-Firma Cambridge Analytica, die angeblich ebenfalls mit der Ocean-Methode sowie Online-Umfragen arbeitet und sich bei Konsinski einiges für ihr Politmarketing abgeschaut haben dürfte. Die Briten werben damit, beispielsweise die Persönlichkeit aller 190 Millionen in den USA registrierten Wähler psychometrisch erfasst und mit psychologisch gezielten Anzeigen in sozialen Netzwerken im Wahlkampf im Herbst 2016 den Urnengang zugunsten von Donald Trump mit entschieden zu haben. Sie wollten unter anderem herausgefunden haben, dass Anhänger des Immobilienmoguls US-amerikanische Automarken bevorzugen, womit sich der Kreis zur Street-View-Studie schließt.

Berichten zufolge wäscht Cambridge Analytica aber auch nur mit Wasser. So sollen die Marketingexperten vor Trump seinen republikanischen Vorrundengegner Ted Cruz betreut, dabei aber auf die Nase geflogen sein. Dessen Team habe die Kooperation gestoppt, nachdem es die Datenanalyse der Briten als äußerst unzuverlässig empfunden habe. Im Trump-Wahlkampf sollen die gezeigten Modelle des Unternehmens schlechter funktioniert haben als die bereits bei den Republikanern etablierten. Ob und inwiefern Cambridge Analytica im Vorfeld des Brexit-Referendums Meinungsmache betrieb, untersuchen derzeit die britischen Behörden.

Karras et.al.
Künstlich generierte Gesichtsbilder der aktuellen Generation und ihre Vorgänger (Bild: Karras et.al.)

Die in politischen Auseinandersetzungen generell großen Raum einnehmenden Falsch- oder Propagandameldungen alias "Fake News" könnten Computer künftig verstärkt selbst generieren und visuell untermauern. So haben Forscher des Grafikkartenriesen Nvidia in einem Labor in Finnland laut einem jüngst publizierten Aufsatz ein KI-System entwickelt, das tausende Schnappschüsse von Prominenten analysieren, in deren Gesichtszügen gemeinsame Züge ausmachen und selbst Bilder erstellen kann, die den bekannten Persönlichkeiten ähnlich sehen. Die Kreationen bleiben aber eigenständig, zeigen keine direkten Doppelgänger. Auch die Komposition realistischer Bilder von Pferden, Autos, Fahrrädern, Pflanzen oder anderen allgemeinen Objekten stellt für die Software kein Problem mehr dar.

Die Wissenschaftler haben dazu nicht nur ein künstliches neuronales Netzwerk eingesetzt, sondern als Gegen- oder Mitspieler ein zweites. Während das eine Bilder generiert, versucht das andere auszuloten, ob diese nach einem Original oder einer Fälschung aussehen. So entstehen vergleichsweise scharfe Gesichtsdarstellungen mit überzeugender Detail- und Kontrasttiefe. Die Methode ist als Generative Adversarial Networks (GANs) bekannt, die sich der Google-KI-Experte Ian Goodfellow 2014 zu seiner Zeit als Doktorand an der Universität Montreal ausdachte. Ein System versucht dabei programmgemäß, dem anderen eins auszuwischen, während das andere sich möglichst nicht übertölpeln lassen soll.

"Der Computer lernt, diese Bilder zu generieren, indem er 'Katz und Maus' mit sich selbst spielt", erläuterte der Nvidia-Forscher Jaakko Lehtinen gegenüber der New York Times. Ein weiteres Team in dem Labor habe ein vergleichbares System gebaut, das eine sommerliche Straßenszene automatisch in eine winterlich anmutende umwandeln könne. Kalifornische Forscher hätten dem Rechner beigebracht, Pferde in Zebras und Monets in Van Goghs umzugestalten. Die Google-Tochter DeepMind arbeite an einer Technik, mit der auf vergleichbare Weise Videos entstehen könnten.

3D-Bilder, die in Filmen und Computerspielen einsetzbar seien, und Virtual-Reality-Szenen hält Lehtinen für den absehbaren nächsten Schritt. Kein Wunder, dass dies auch Kritiker auf den Plan ruft. Derlei Verfahren könnten an einen Punkt gelangen, "an dem es sehr schwierig wird, Wahrheit von Falschheit zu unterscheiden", befürchtet Tim Hwang, der den Ethics and Governance of Artificial Intelligence Fund in Boston leitet. Dies dürfte Probleme mit "Fake Media" und fabrizierten Bilderwelten deutlich verstärken. (Stefan Krempl) / (mho)

168 Kommentare

Themen:

Anzeige
  1. ICAART 2017: Roboter handeln nicht ethisch, schärfen aber den Blick auf ethische Fragen

    Roboter, Softbank Robotics

    Auf der diesjährigen ICAART-Konferenz verhandelten Wissenschaftler das große Thema "Ethik und KI". Dabei führten sie überraschende Experimente ins Feld und fragten unter anderem, ob Roboter ethische Rahmen stecken oder Drohnen an sich böse sein können.

  2. Cambridge Analytica: Trumps angebliche Datenhelfer wohl nur heiße Luft

    Flagge der USA

    Nach dem überraschenden Wahlsieg Donald Trumps in den USA hatte Cambridge Analytica behauptet, entscheidend für dessen Erfolg gewesen zu sein. Psychometrie habe eine hochgradig personalisierte Wahlwerbung ermöglicht. Da ist wohl wenig Wahres dran.

  3. Google KI-Algorithmus kann Herzerkrankungen durch Augen-Diagnose vorhersagen

    Google KI-Algorithmus kann Herzerkrankungen durch Augen-Diagnose vorhersagen

    Das frühzeitige Erkennen von Herz-Kreislauf-Erkrankungen kann Menschenleben retten. Ein Algorithmus der Google-Schwester Verily soll das Risiko einer Erkrankung bereits vorab schneller bestimmen können als aktuell angewendete Verfahren.

  4. KI gegen Bot-Erkennung: reCAPTCHA erneut umgangen

    Googles Spracherkennung ließ sich zur Umgehung von ReCaptcha nutzen

    Das Wettrennen zwischen Captchas und KI hat Ende Februar ein amüsantes Zusatzkapitel bekommen: Ein Hacker nutzte für ein einen Proof of Concept Googles Spracherkennung, um Googles reCAPTCHA v2 auszutricksen.

  1. Wie man KI austrickst

    Wie man KI austrickst

    Systeme für künstliche Intelligenz werden immer leistungsfähiger, aber wirklich intelligent sind sie noch nicht. Wie Forscher jetzt gezeigt haben, lassen sie sich relativ leicht in die Irre führen.

  2. Statistik der Woche: Künstliche Intelligenz - Fluch oder Segen?

    Statistik der Woche: Künstliche Intelligenz - Fluch oder Segen?

    Den Einzug von KI-Systemen in unseren Alltag sehen Teilnehmer einer Umfrage als zweischneidiges Schwert. Welche Chancen und Gefahren angenommen werden, verdeutlicht unsere Infografik.

  3. IS-Frauen aus Raqqa: Enttäuschte Dschihad-Groupies

    Militärisch wird der IS in die Ecke gedrängt, ideologisch bleibt das Grauen

  1. Sternenexplosion: Amateur-Astronom beobachtet erstmals Beginn einer Supernova

    Astronomie: Amateur-Astronom beobachtet erstmals Beginn einer Supernova

    Der Argentinier Victor Buso widmet sich in seiner Freizeit der Astronomie: Nun ist es ihm offenbar als erstem Menschen überhaupt gelungen, die Anfänge einer Supernova abzulichten. Forscher erhoffen sich wichtige neue Erkenntnisse.

  2. Fritzbox 7583: Neuer AVM-Router für extraschnelles DSL

    MWC: Fritzbox 7583 für extraschnelles DSL

    Äußerlich gleich, innen flotter als der Vorgänger 7580: Die Fritzbox 7583 schafft an gebondeten G.fast-Anschlüssen maximal 3 GBit/s Downloadrate. Super Vectoring beherrscht sie aber auch.

  3. Klartext: Der Frosch, der Auto fährt

    Klartext

    Bei Comma.ai kann man sich an einem Open-Source-Projekt zum autonomen Fahren beteiligen. Das ist cool. Gründer George Hotz prahlt gern: "We are going to win autonomous cars." Das ist weniger cool. Ich verbreite etwas Ernüchterung

  4. Studie: IT-Freiberufler nagen nicht am Hungertuch

    Xing AG

    Selbständige werden häufig als Risikogruppe für Altersarmut dargestellt, was laut einer repräsentativen Allensbach-Studie zumindest für den IT-Bereich nicht zutrifft. Dort liege das frei verwertbare Monatsnetto-Einkommen für Freelancer bei fast 4700 Euro.

Anzeige