artificial_intelligence_02

Artificiell intelligens

Kan ​​​​​​​maskiner tänka?

Det har varit mycket uppståndelse det senaste året kring den gren av informationstekniken som går under namnet artificiell intelligens (AI). AI har redan visat sig användbart för en mängd olika tillämpningar: virtuella assistenter, applikationer, problemlösningsspel och mycket annat. Men tillbaka till vår fråga: Kan dessa maskiner verkligen tänka? Vi inser då direkt att vi står inför ett problem: Vad är tänkande egentligen? Det finns nämligen inte någon rak och enkel definition av begreppet.

Men vad skiljer artificiell intelligens från mänsklig intelligens?

Människans unika egenskaper – åtminstone så vi uppfattar dem för tillfället – är kreativitet och nytänkande. Maskiner däremot kan välja mellan befintliga beslutsalternativ och bearbeta en otroligt stor mängd data och information. De är dessutom väldigt pålitliga, noggranna och uthålliga – arbeta dygnet runt är inget problem. Om de får de rätta instruktionerna kan de till och med utföra komplicerade uppgifter helt självständigt. Det är kombinationen av algoritmer, stor bearbetningskraft och den exponentiella tillväxten av data som kräver bearbetning som utgör själva grunden för artificiell intelligens. Dessa faktorer i sig räcker för att inse att artificiell intelligens har en enorm potential. Och den ständiga utvecklingen inom maskininlärningen får också konsekvenser för arbetsplatsen.

DOWNLOAD WHITEPAPER HERE

Artificial Intelligence in Logistics

Terms, applications and perspectives

758.0 KB

GRUNDLÄGGANDE BEGREPP INOM ARTIFICIELL INTELLIGENS

Innovations and Trends in material handling and logistics

Artificiell intelligens (AI) är en gren av informationstekniken som handlar om automatisering av intelligent beteende. Inom AI försöker man programmera datorer så att de kan bearbeta problem självständigt, på samma sätt som en människa med lämplig utbildning skulle göra. Problemlösning innebär att inom en viss tid och baserat på data från olika källor (databaser, sensorer, videokameror etc.) fatta beslut som utgör en adekvat respons på det underliggande problemet.

artificial_intelligence_04

Maskininlärning är ett samlingsbegrepp för olika processer som används för att fastställa en okänd funktionsrelation mellan indata och utdata. Vid sidan av traditionella och fortfarande viktiga tillämpningar som klusterbildning, regression, faktor- och tidsserieanalyser, omfattar den också mer komplexa metoder som neurala nätverk, evolutionära metoder och stödvektormaskiner.

FÖRFATTARNA TILL RAPPORTEN OM ARTIFICIELL INTELLIGENS

Bild Markus Klug

Har studerat teknisk matematik vid Wiens tekniska universitet (TU Wien) med inriktning på simulering, operationsanalys och statistik. Efter att ha avslutat sina studier vistades han en tid i Glasgow där han forskade i kernelmetoder för användning i modeller för simulering av diskreta händelser. År 2001 kom han till Forschungszentrum Seibersdorf där han först arbetade som projektledare och senare blev chef för arbetsgruppen för processoptimering. Vid centret genomförde och ledde han nationella och internationella forskningsprojekt om transportlogistik, platsspecifik logistik och globala leveranskedjor. Medan han fortfarande bedrev sin forskning började han också undervisa vid olika läroanstalter i Österrike, och undervisningen blev senare hans huvudyrke.

Markus Klug har varit på SSI SCHÄFER IT Solutions GmbH sedan 2013. Han ansvarade ursprungligen för att bygga upp dataanalys och simulering inom företaget, en roll som senare växte till att omfatta datavetenskap och artificiell intelligens/maskininlärning. Som militär expert för reservstyrkornas logistik med särskilt fokus på militära operationer, fungerar han också som konsult för den österrikiska armén och ger råd om utvecklingen av matematiska modeller och processer inom den militära sektorn. Markus Klugs omfattande kunskaper och gedigna erfarenhet framgår av hans olika akademiska publikationer, föreläsningar, medlemskap i akademiska programkommittéer, ordförandeskap vid akademiska konferenser och hans verksamhet som granskare för internationella specialisttidskrifter.

Bild Georg Reif

Georg Rief har en kandidatexamen i beräkningsvetenskap och en magisterexamen i fysik. Han ägnade sig främst åt simulering och datavetenskap, eftersom artificiell intelligens inte var ett särskilt viktigt ämne på den tiden och därför heller inte centralt för hans studier. Han hade 8 års erfarenhet av programutveckling inom andra sektorer innan han kom till SSI SCHAEFER i mars 2014. Inledningsvis arbetade han som W4-utvecklare för kundprojekt innan han i december 2016 flyttade till avdelningen för datavetenskap/simulering.

New Content Item (1)

Karina Konrath har studerat teknisk matematik vid Tekniska universitet i Graz och arbetar för SSI SCHAEFER sedan november 2017. Som datavetare är hon huvudsakligen ansvarig för analys och förberedelse av data, vilket kräver omfattande användning av statistiska och matematiska metoder.

Hur kan vi hjälpa?