AI INSIGHTS
Wissenswertes zu künstlicher Intelligenz, maschinellem Lernen und vielen weiteren Themen
Neueste AI Artikel
-
AI transforms insurance: See 8 examples of how it worksUsing AI in insurance can boost value for customers, insurance companies and stakeholders alike. Examples range from stronger fraud detection and improved customer service to optimized underwriting processes and competitive advantage. Learn more about how AI is transforming the industry.
-
What is AI modeling?AI modeling involves creating programs that use one or a combination of algorithms to allow computers to think, learn and predict outcomes. Much like a human brain, AI models absorb input data – numbers, texts, images, video, sound – to learn how to predict outcomes or solve specific tasks without explicit instructions at every step.
-
Understanding digital twin technologyLearn how digital twin technology can change industries from health care to manufacturing, and shape the future of data modeling and process improvements.
-
Unlocking a strategic approach to data and AIAI is only as good as the data that powers it – this is a fundamental truth about data and AI that defines the limits of what’s possible with artificial intelligence. It may seem surprising, but it's rarely a bad algorithm or a bad learning model that causes AI failures. It's not the math or the science. More often, it's the quality of the data being used to answer the question.
-
AI anxiety: Calm in the face of changeAI anxiety is no joke. Whether you fear jobs becoming obsolete, information being distorted or simply missing out, understanding AI anxiety can help you conquer it.
-
Fraud detection and machine learning: What you need to knowMachine learning and fraud analytics are critical components of a fraud detection toolkit. Discover what you’ll need to get started defending against fraud – from integrating supervised and unsupervised machine learning in operations to maintaining customer service.
-
Mit synthetischen Daten AI-Durchbrüche ermöglichenIn diesem Artikel beleuchten wir die entscheidende Rolle von synthetischen Daten in unseren daten-hungrigen AI-Initiativen, wie Unternehmen Wachstum mit synthetischen Daten generieren können, und welche ethischen Fragen noch nicht geklärt sind.
-
Was sind AI-Halluzinationen?Es ist schwer, Fakten und AI-generierte Fiktion voneinander zu trennen. Erfahren Sie, welche Fehler bei Large Language Models auftreten können und wie es in der Folge zu AI-Halluzinationen kommt – und lernen Sie, GenAI verantwortungsvoll zu nutzen.
-
Was sind Chatbots?Chatbots sind eine Art dialogfähige künstliche Intelligenz (AI), die dazu konzipiert ist, menschliche Interaktionen mit Computern zu vereinfachen. Erfahren Sie, wie Chatbots in Unternehmen eingesetzt werden und wie sie in Analytics-Anwendungen integriert werden können.
-
How AI and advanced analytics are impacting the financial services industryTop SAS experts weigh in on topics that keep financial leaders up at night – like real-time payments and digital identity. See how advanced analytics and AI can help.
-
Shut the front door on insurance application fraud!Fraudsters love the ease of plying their trade over digital channels. Smart insurance companies are using data from those channels (device fingerprint, IP address, geolocation, etc.) coupled with analytics and machine learning to detect insurance application fraud perpetrated by agents, customers and fraud rings.
-
4 strategies that will change your approach to fraud detectionAs fraudulent activity grows and fighting fraud becomes more costly, financial institutions are turning to anti-fraud technology to build better arsenals for fraud detection. Discover four ways to improve your organization's risk posture.
-
Analytics leads to lifesaving cancer therapiesA long-shot treatment offers hope to 10-year-old Harrison after he learns the DNA profile of his cancer is resistant to chemo. Find out how data and analytics play a role in cancer research and cancer treatments that are saving lives.
-
Analytics: A must-have tool for leading the fight on prescription and illicit drug addictionStates and MFCUs now have the analytics tools they need to change the trajectory of the opioid crisis by analyzing data and predicting trouble spots – whether in patients, prescribers, distributors or manufacturers. The OIG Toolkit with free SAS® programming code makes that possible.
-
Detect and prevent banking application fraudCredit fraud often starts with a falsified application. That’s why it’s important to use analytics starting at the entrance point. Learn how analytics and machine learning can detect fraud at the point of application by recognizing the biggest challenge – synthetic identities.
-
Break stuff . . . servers, rules and the glass ceilingCarla Gentry knows what it’s like to be the only woman on the team and is happy to share her hard-won knowledge with an ever-growing number of female data scientists. She recently shared with us some sage advice for women entering or interested in advancing in the field.
-
Three steps for conquering the last mile of analyticsPutting your analytical models into production can be the most difficult part of the analytics journey. It’s no surprise that this last mile of analytics – bringing models into deployment – is the hardest part of digital transformation initiatives for organizations to master, yet it’s the most crucial.
-
As AI accelerates, focus on 'road' conditionsAI technology has made huge strides in a short amount of time and is ready for broader adoption. But as organizations accelerate their AI efforts, they need to take extra care, because as any police officer will tell you, even small potholes can cause problems for vehicles traveling at high speeds.
-
AI in government: The path to adoption and deploymentThe government sector is lagging in AI adoption, but awareness of the importance of AI in the public sector is increasing. Our survey indicates that operational issues are requiring governments to turn their attention to AI projects as a way to address important public issues.
-
From Apollo to AI: A new era of American explorationAs we celebrate the 50th anniversary of the Apollo 11 mission, what’s the next frontier for American Innovation? It’s available now, from our desks and waits for us to unlock its potential.
Künstliche Intelligenz: Die Grundlagen
Wie intelligent ist die künstliche Intelligenz genau? Und wie genau können Maschinen die menschliche Intelligenz nachahmen? Wir erforschen diese Fragen und überprüfen, wie künstliche Intelligenz unsere Welt verbessert. Von digitalen Assistenten bis hin zu automatisierten Röntgenaufnahmen - künstliche Intelligenz ist in vielen Branchen zu finden.
- Thema auswählen
- Deep Learning
- Natural Language Processing
- Machine Learning
- Predictive Analytics
- Computer Vision
- Neural Networks
- Generative AI
- AI Ethics
Was versteht man unter Deep Learning?
Sie kennen Siri und haben auch schon einmal mit ihr kommuniziert? Dann haben Sie bereits die ersten Schritte mit Deep Learning gemacht.
Systeme wie Siri, Alexa und Cortana werden zum Teil durch Deep Learning angetrieben, eine Art des maschinellen Lernens, bei dem ein Computer trainiert wird, menschenähnliche Aufgaben zu erledigen. Sprach- und Bilderkennung sowie die Verarbeitung natürlicher Sprache werden alle durch Deep Learning unterstützt, bei dem ein Rechner darauf trainiert wird, durch das Erkennen von Mustern selbständig zu lernen.
Was ist Natural Language Processing (NLP)?
Wer hätte vor 10 Jahren gedacht, dass man mit seinem Telefon ein Gespräch führen oder dem Thermostat sagen kann, er solle die Heizung aufdrehen? Heute ist es nicht ungewöhnlich, nach einem Wetterbericht zu fragen, etwas zu Ihrer Einkaufsliste hinzuzufügen und Ihre Lieblingsmusik per Sprachbefehl abzuspielen – und sofort Ergebnisse zu erhalten.
Die Verarbeitung natürlicher Sprache ist die zentrale Technologie hinter diesen Fortschritten. Aber wie verstehen Ihre Geräte Sprache? Und wie können dieselben Technologien in einem geschäftlichen Umfeld eingesetzt werden? Von Text Mining über die Verarbeitung natürlicher Sprache bis hin zum Verständnis natürlicher Sprache finden Sie hier alle Antworten.
Was ist maschinelles Lernen?
Maschinelles Lernen ist nicht neu. Aber jetzt ist es hochleistungsfähig. Und das gibt dieser jahrzehntelangen mathematischen Wissenschaft neuen Schwung in der Welt der großen Daten.
Selbstfahrende Fahrzeuge? Das ist maschinelles Lernen in Aktion. E-Mail-Spamfilter und Online-Shopping-Empfehlungen? Das ist maschinelles Lernen für den Alltag. Betrugserkennung? Eine der offensichtlichsten - und wichtigsten - Anwendungen in unserer heutigen Welt. Entdecken Sie, wie maschinelles Lernen Ihnen helfen kann, Antworten auf komplexe Probleme zu finden.
Was ist Predictive Analytics?
Sie haben jetzt die Möglichkeit, Daten zu sammeln und zu analysieren. Das ist ein großartiger erster Schritt, aber er kratzt nur an der Oberfläche. Um das Beste aus Ihren Daten herauszuholen, müssen Sie die Zukunft voraussehen und nicht nur die Vergangenheit analysieren.
Ob Sie neue Kunden gewinnen, das Zahlungsrisiko einschätzen, Betrug erkennen oder den Energiebedarf prognostizieren wollen, Predictive Analytics kann Ihnen Antworten auf Ihre komplexesten Fragen liefern.
Was ist Computer Vision?
Finden Sie heraus, wie ein Computer vom "Sehen" eines Bildes als eine Reihe von Pixeln zur Interpretation des Bildes und seiner Bedeutung übergeht. Sie werden lernen, wie Bildsegmentierung, Feature-Matching und Objekterkennung eine Rolle in diesem Prozess spielen – und wie die Computersicht für alles von der Krebserkennung bis zur Beurteilung von Versicherungsansprüchen eingesetzt wird..
Was sind neuronale Netze?
Neuronale Netze sind mit dem Ziel entwickelt worden, das menschliche Gehirn beim Lernen und Suchen nach Mustern zu simulieren. Sie werden oft als künstliche neuronale Netze (ANN) bezeichnet und eignen sich hervorragend bei der Bewältigung konkreter Probleme in verschiedensten Bereichen.
Ähnlich wie ein menschliches Gehirn, können sie mit der Zeit so trainiert werden, dass sie die Ihnen vorliegenden Daten noch besser analysieren können.
Generative AI: The Basics
What is generative AI and how does it work? Consider generating computer code or synthetic data. Creating a business strategy with help from a conversational AI chatbot based on a large language model. Or using a digital twin to spot supply chain disruptions. See how generative AI started, who’s using it, and which underlying technologies make it work.
What is AI Ethics?
Artificial intelligence technology gives machines the ability to mimic human decision-making and automate tasks intelligently. In a world filled with AI technology, the implications of ethics in relation to AI tech are broad. We need clear guidelines to ensure our AI systems are designed in accordance with human principles of right and wrong, from the start – including considerations around privacy, fairness, transparency and more.
Lassen Sie sich SAS Insights direkt in Ihren Posteingang schicken
