Die Erfolge von maschinellem Lernen basieren auf dem Training der Algorithmen mit möglichst umfangreichen und realistischen Daten. Unternehmen wie Facebook oder Google sind hier klar im Vorteil – schließlich sitzen sie auf unermesslichen Datenschätzen. Dabei wird jedoch dem Schutz sensibler, persönlicher Daten zu wenig Aufmerksamkeit gewidmet. Neuartige Angriffe auf Machine-Learning-Systeme zeigen, dass unsere Daten dort ganz und gar nicht sicher sind.
Autor: Stefan Achleitner; Aufmacherbild: (C) Pixabay/ahmedgad; CC0
Eigentlich weiß fast jeder Autofahrer, wie man durch Anpassung der Fahrweise Sprit sparen kann. Aber mal ganz ehrlich – kaum jemand setzt das in der Praxis auch ganz konsequent um. Daher hat die TU Kaiserslautern ein neues Assistenzsystem zum Sprit sparen entwickelt, das vieles besser machen soll als bisherige Systeme.
Lieber lesen oder lieber schauen? Sie haben die Wahl: Lesen Sie entweder den unten stehenden Artikel oder schauen Sie sich unser knapp dreiminütiges Video an:
Bitte akzeptieren Sie YouTube-Cookies, wenn Sie dieses Video abspielen wollen und unsere Videos hier auf der Seite sehen.
Wenn Sie akzeptieren, werden Sie auf Inhalte von YouTube zugreifen, die von uns inhaltlich stammen, aber von einem externen Dritten technisch angeboten werden.
Automobilzulieferer wie Bosch überlegen schon heute, wie wir morgen Auto fahren werden. Neben Sensoren und Algorithmen fürs hochautomatisierte oder irgendwann autonome Fahren stellen sich dabei aber auch andere Fragen – zum Beispiel: Wie sieht die Interaktion zwischen Fahrer beziehungsweise Passagieren und dem Fahrzeug aus? Ein Concept Car, das das Unternehmen erstmals auf der IAA 2017 präsentierte, gibt einen Eindruck von den dafür angedachten Konzepten.
Sie haben die Wahl: Lieber den unten stehenden Artikel lesen oder lieber das folgende Video (2:20 Minuten) anschauen:
Bitte akzeptieren Sie YouTube-Cookies, wenn Sie dieses Video abspielen wollen und unsere Videos hier auf der Seite sehen.
Wenn Sie akzeptieren, werden Sie auf Inhalte von YouTube zugreifen, die von uns inhaltlich stammen, aber von einem externen Dritten technisch angeboten werden.
