Cognitive Services

Künstliche Intelligenz für Ihre Projekte

  • Gesichtserkennung

    Mit dem Aufkommen von Digitalkameras und speziell Smartphones erlebte die Alltagsfotografie in den letzten Jahren einen steilen Aufschwung. Etwa eine Billion Bilder (das ist eine Zahl mit zwölf Nullen) wurden 2017 aufgenommen - eine Steigerung um 100 Milliarden zum Jahr 2016. Eine Vielzahl davon waren Bilder mit Gesichtern wie bspw. Selfies. Die verwendeten Kameras verfügen heutzutage mittlerweile über ausgezeichnete Techniken um Muster wie z.B. Gesichter zu erkennen und nutzen dabei hauptsächlich Unterschiede im Kontrast, in der Farbe und in geometrischen Strukturen zur Erkennung.

  • Bilderkennung

    Abgesehen von Texten, die mit Methoden maschinellem Lernens intelligent bearbeitbar sind, machen Bilder und Videos einen großen Teil der Inhalte aus, mit denen man täglich konfrontiert wird. Das Problem mit grafischen Daten ist allerdings, dass ein gewöhnlicher Text Crawler nur Informationen indexieren kann, die entweder im Dateinamen oder in den eingebetteten META Daten liegen. Das "dumme" Programm ergreift jedoch nicht den eigentlichen Sinn des Bildes oder was darauf abgebildet wurde. Maschinelles Lernen schließt diese Lücke indem es die relevanten Informationen erfasst und ein Muster für nachfolgende Daten erstellt.

  • Sinnzusammenhänge

    Mit dem intergator Cognitive Service zur Erkennung von Sinnzusammenhängen können Sie automatisch die Bedeutung eines Texts erkennen lassen. Diese Methode des maschinellen Lernens scannt Texte, identifiziert Schlüsselbegriffe und erkennt den Bedeutungszusammenhang. In diesem Artikel zeigen wir warum der Unterschied zwischen einer Katze und einem Auto wichtig ist und wie eine Maschine lernt das zu unterscheiden.

  • Verwandte Worte

    Bei der Anwendung von Machine Learning Methoden auf Texte findet der Verwandte Worte Service automatisch Verbindungen zwischen begriffen. Dargestellt in Form einer Tag Cloud zeigt dieser Cognitive Service nicht nur Synonyme, sondern auch Elemente, die erst auf den zweiten Blick zu diesem Wort gehören. Einmal trainiert, arbeitet sich die Maschine durch einen großen Datensatz und erstellt ein Modell das es ihr erlaubt eigenständig Entscheidungen zu treffen, sollten neue Daten hinzukommen oder erneuert werden.

  • Text Analogien

    Eine der größten Hürden moderner, text-basierter Suche ist die Vielfalt an Sprachen, die auf der Welt gesprochen werden. Unterschiedliche linguistische Herkunft, Alphabete, die nur in einzelnen Sprachfamilien vorkommen oder Wortbedeutungen, die sich unterscheiden erschweren eine Suche ohne vorherige Übersetzung. Bis heute verhaften wir gewöhnlich in unserer Suche nur in den Sprachen, die wir selbst verstehen und ignorieren damit ein großes Potential, dass uns verschlossen bleibt, einfach weil wir den Inhalt nicht verstehen. Obwohl Englisch die moderne Lingua Franca ist und die Scientific Community Veröffentlichungen in Englisch fordert, halten die übrigen Inhalte einen Dornröschen-Schlaf. Mit dem Aufkommen von Machine Learning Methoden, wird das Problem in neue Bahnen gelenkt, die unser Wissen grundlegend erweitern werden.