WAS WICHTIG WAR 

📍   Die 35. AAAI-Konferenz fand vom 2. bis 9. Februar statt und erhielt im Vergleich zum Vorjahr mit 8800 einen Rekordwert von 9034 Einreichungen. Die AAAI 2021 Best Paper Awards gingen an folgende Teams: 

• Haoyi Zhou et al., für die Anwendung der Transormer Architektur für Long Sequence Time-Series Forecasting in ihrem "Informer"-Paper (arxiv.org).
• Stefanos Leonardos et al. für Exploration-Exploitation in Multi-Agent Learning: Catastrophe Theory Meets Game Theory (arxiv.org).
• Ruibo Liu et al. die erklären, wie politischer Bias in Sprachmodellen gemildert werden kann (Paper und Keynote auf dartmouth.edu).

🇩🇪   Die deutsche Bundesregierung hat Ende Dezember ihre Nationale KI-Strategie fortgeschrieben (bmbf.de) und versprach neue Investitionen in Höhe von 5 Milliarden Euro bis 2025. Jetzt folgte eine nationale Datenstrategie (bundesregierung.de).

Während sie sich weiterhin mit Datenschutz und personenbezogenen Daten befasst, konzentriert sie sich in erster Linie darauf, wie Forschung verbessert werden kann und wie die Zusammenarbeit mit Unternehmen und andere Interessengruppen verstärkt werden kann. Ein bemerkenswerter Wandel in einer sonst eher technophoben, auf Privatsphäre ausgerichteten Regierung (Mehr auf netzpolitik.org).

 9 THINGS WE FOUND WORTH SHARING 

📄 1. Forschung – Das Forscherteam hinter Andrew Brock von Googles DeepMind stellt im Paper "High-Performance Large-Scale Image Recognition Without Normalization" Normalizer-free Networks (NFNets) vor. Durch das Weglassen der Batch-Normalisierung beschleunigen sie das Modelltraining drastisch und erreichen 89.2% Top-1-Accuracy auf bei Imagenet Klassifizierung bei 8,7x schnellerem Training als das vergleichbare Efficientnet-B7 (arxiv.org).

Yannic Kilcher, die One-Man Paper Discussion Group, geht in einem aktuellen Video weiter ins Detail (34 min auf youtube.com).

💡 2. Use Case – Spieleentwickler BioWare verwendete AI gestütztes Textur-Upscaling, um die Mass Effect-Serie zu remastern. Das 2007 veröffentliche Spiel wurde für aktuelle Konsolen wie die PlayStation 5 herausgeputzt und durch AI waren massive Zeiteinsparungen möglich (venturebeat.com).

💻 3. Bibliotheken & Code – Lightning Flash ist ein High-Level-Framework für schnelles Prototyping von Deep Learning-Aufgaben, das auf PyTorch Lightning basiert. Es zielt darauf ab, das Finetuning und den Einsatz modernster Modelle für kundenspezifische Aufgaben zu vereinfachen. In diesem Medium Artikel gehen die Entwickler in Detail (medium.com/pytorch) und auf GitHub ist der Code verfügbar (github.com).

🎨 4. Showcase – Jina veröffentlichte Version 1.0 ihrer Open-Source-Neural Search Engine für Unternehmen und Entwickler. Ihre multimodales Such-Framework kann Text, Grafiken, Audio oder Video in großen Cloud-Strukturen leicht finden, bestens geeignet für große Mengen an Unternehmensdaten. Jina.ai stellt den Code frei zur Verfügung! (jina.ai & github.com).

💭 4.2 Artikel & Tutorials – Oder für die Programmierer unter Ihnen: Starten Sie bei Null und bauen Sie Ihre eigene AI-gestützte Suchmaschine mit Elasticsearch, Kubeflow und Katib nach diesem Topbots Tutorial (topbots.com).

👁 5. Verschiedenes – Um Gesichtserkennungssysteme zu trainieren, braucht es große Mengen an Eingabebildern. Einige Modelltrainer nahmen sich die Freiheit, Bilder von Websites wie Flickr zu scrapen - und Ihr Bild könnte eines von ihnen sein. Mit Exposing.ai haben zwei Tech-Künstler eine Plattform gebaut, um zu überprüfen, ob ein bestimmtes Foto verwendet wurde, um bekannte Face Recognition Systeme zu trainieren (exposing.ai).

🛠 6. Tools – Paper with Code wurde gerade zu Papers + Code + Datasets. Die beliebte Datenbank für Code-Implementierung, Benchmarks und wissenschaftliche Arbeiten enthält nun auch 3000+ Datensätze, sortiert nach Aufgabenbereich, Modalitäten und Nutzungsstatistiken (paperswithcode.com/datasets).

💡 7. Use Case – Forscher aus Tartu, Estland, haben ein GAN trainiert, um "künstliche Genome" zu schaffen. Anstatt DeepFakes menschlicher Gesichter zu erstellen, fälschen sie DNA-Sequenzen, die zu 100% synthetisch, aber nicht von menschlichen Genomen zu unterscheiden sind. Dies könnte Forschungs-Institutionen von aufwendigen Datenschutzmaßnahmen entlasten, die sie derzeit mit echten DNA-Daten sicherstellen müssen (thenextweb.com).

🎨 8. Showcase – Automatisierte Bewertung von Forschungsarbeiten mit AI: Warten Sie auf auf das Kontrolllesen Ihrer Arbeit? Mit diesem Tool können Sie den Prozess abkürzen. Aktuell ist zwar nur englische Sprache möglich, jedoch sind die Zusammenfassungen und Reviews erstaunlich gut geschrieben. (review.nlpedia.ai).

📄 9. Forschung – Niederländische Forscher Le et al. haben versucht, Dr. Who Szenen aus den fMRI Gehirn-Scans des Betrachters zu rekonstruieren. "Brain2Pix: Fully convolutional naturalistic video reconstruction from brain activity" (biorxiv.org).

 ICYMI 

📍 Das Enterprise AI Consulting Team von AMAI hat eine neue Website gelaunched. Eine aktualisierte Karriereseite wird von einem neu gestarteten AI Expert Developer Blog begleitet.

📅 24. Februar (online, 11:00 Uhr MEZ) – Boosting high energy physics with generative networks: In diesem Data Science Seminar Anja Butter vom Institut für Theoretische Physik in Heidelberg zeigt, wie sie generative neuronale Netze für Simulationen für den CERN Large Hadron Collider nutzt – meetup.com.

📅 3. März (online) – Robert Bosch AI CON 2021 – Sehen Sie sich die Redner- und Podiumsdiskussion an bosch-ai.com.