Search (292 results, page 1 of 15)

  • × theme_ss:"Computerlinguistik"
  1. Voss, O.: Übersetzer überflüssig? : Sprachsoftware DeepL und Acrolinx (2019) 0.10 
    0.103692725 = product of:
  0.20738545 = sum of:
    0.06409647 = weight(_text_:und in 981) [ClassicSimilarity], result of:
      0.06409647 = score(doc=981,freq=4.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.41585606 = fieldWeight in 981, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.09375 = fieldNorm(doc=981)
    0.14328898 = weight(_text_:https in 981) [ClassicSimilarity], result of:
      0.14328898 = score(doc=981,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.5228473 = fieldWeight in 981, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.09375 = fieldNorm(doc=981)
  0.5 = coord(2/4)
    Source
    https://www.tagesspiegel.de/wirtschaft/sprachsoftware-deepl-und-acrolinx-uebersetzer-ueberfluessig/23884348.html
  2. Leighton, T.: ChatGPT und Künstliche Intelligenz : Utopie oder Dystopie? (2023) 0.10 
    0.101931006 = product of:
  0.20386201 = sum of:
    0.08445452 = weight(_text_:und in 1909) [ClassicSimilarity], result of:
      0.08445452 = score(doc=1909,freq=10.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.54793847 = fieldWeight in 1909, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.078125 = fieldNorm(doc=1909)
    0.11940748 = weight(_text_:https in 1909) [ClassicSimilarity], result of:
      0.11940748 = score(doc=1909,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.43570608 = fieldWeight in 1909, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.078125 = fieldNorm(doc=1909)
  0.5 = coord(2/4)
    Abstract
    Das Tool wird immer ausgefeilter; es erstellt Software und erfindet die unglaublichsten Fiktionen. Wie "klug" ist es? Wie sieht es mit den Ängsten aus? Und mit Moral?
    Series
    Telepolis / Kultur und Medien
    Source
    https://www.heise.de/tp/features/ChatGPT-und-Kuenstliche-Intelligenz-Utopie-oder-Dystopie-7445181.html?view=print
  3. Siepmann, D.: Auswirkungen von KI auf die Textproduktion in der Wissenschaft (2023) 0.09 
    0.09241284 = product of:
  0.18482567 = sum of:
    0.06541819 = weight(_text_:und in 2046) [ClassicSimilarity], result of:
      0.06541819 = score(doc=2046,freq=6.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.42443132 = fieldWeight in 2046, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.078125 = fieldNorm(doc=2046)
    0.11940748 = weight(_text_:https in 2046) [ClassicSimilarity], result of:
      0.11940748 = score(doc=2046,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.43570608 = fieldWeight in 2046, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.078125 = fieldNorm(doc=2046)
  0.5 = coord(2/4)
    Abstract
    KI-Tools können in allen Phasen des wissenschaftlichen Schreibens helfen, auch bei mehrsprachigen Texten. Über Fähigkeiten und Grenzen der KI. Mit einem Vergleich der Leistungen verschiedener Programme anhand eines Spektrums von Kriterien, die unterschiedliche Spitzenpositionen ermöglichen.
    Source
    Forschung und Lehre [https://www.forschung-und-lehre.de/zeitfragen/welche-auswirkungen-kis-auf-die-textproduktion-in-der-wissenschaft-haben-5740]
  4. Scobel, G.: GPT: Eine Software, die die Welt verändert (2023) 0.09 
    0.08641061 = product of:
  0.17282122 = sum of:
    0.053413734 = weight(_text_:und in 1840) [ClassicSimilarity], result of:
      0.053413734 = score(doc=1840,freq=4.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.34654674 = fieldWeight in 1840, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.078125 = fieldNorm(doc=1840)
    0.11940748 = weight(_text_:https in 1840) [ClassicSimilarity], result of:
      0.11940748 = score(doc=1840,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.43570608 = fieldWeight in 1840, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.078125 = fieldNorm(doc=1840)
  0.5 = coord(2/4)
    Abstract
    GPT-3 ist eine jener Entwicklungen, die binnen weniger Monate an Einfluss und Reichweite zulegen. Die Software wird sich massiv auf Ökonomie und Gesellschaft auswirken.
    Source
    https://www.zdf.de/nachrichten/panorama/gpt-ki-literatur-terrax-gert-scobel-kolumne-100.html?utm_source=pocket-newtab-global-de-DE
  5. Deutsche Forschungsgemeinschaft: Stellungnahme des Präsidiums der Deutschen Forschungsgemeinschaft (DFG) zum Einfluss generativer Modelle für die Text- und Bilderstellung auf die Wissenschaften und das Förderhandeln der DFG (2023) 0.08 
    0.084769115 = product of:
  0.16953823 = sum of:
    0.074012235 = weight(_text_:und in 1993) [ClassicSimilarity], result of:
      0.074012235 = score(doc=1993,freq=12.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.48018923 = fieldWeight in 1993, product of:
          3.4641016 = tf(freq=12.0), with freq of:
            12.0 = termFreq=12.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0625 = fieldNorm(doc=1993)
    0.09552599 = weight(_text_:https in 1993) [ClassicSimilarity], result of:
      0.09552599 = score(doc=1993,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.34856486 = fieldWeight in 1993, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.0625 = fieldNorm(doc=1993)
  0.5 = coord(2/4)
    Abstract
    Die Einsatzmöglichkeiten von "Künstlicher Intelligenz" (KI) beschäftigen derzeit große Teile der Gesellschaft. Anlass ist insbesondere die Entwicklung generativer Modelle für die Text- und Bilderstellung wie "ChatGPT" und "DALL-E", die eine Interaktion zwischen Mensch und technischem System in gesprochener oder Text-/Bildsprache ermöglichen, und ihre Bereitstellung für die Allgemeinheit.
    Source
    https://www.dfg.de/resource/blob/289674/ff57cf46c5ca109cb18533b21fba49bd/230921-stellungnahme-praesidium-ki-ai-data.pdf
  6. Kurz, C.: Womit sich Strafverfolger bald befassen müssen : ChatGPT (2023) 0.08 
    0.08265476 = product of:
  0.16530952 = sum of:
    0.03021537 = weight(_text_:und in 1204) [ClassicSimilarity], result of:
      0.03021537 = score(doc=1204,freq=2.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.19603643 = fieldWeight in 1204, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0625 = fieldNorm(doc=1204)
    0.13509415 = weight(_text_:https in 1204) [ClassicSimilarity], result of:
      0.13509415 = score(doc=1204,freq=4.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.49294516 = fieldWeight in 1204, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.0625 = fieldNorm(doc=1204)
  0.5 = coord(2/4)
    Abstract
    Ein Europol-Bericht widmet sich den Folgen von ChatGPT, wenn Kriminelle die Fähigkeiten des Chatbots für sich ausnutzen: Es drohe vermehrt Phishing und noch mehr Desinformation. Ein Problem für die Strafverfolgung könne auch automatisiert erzeugter bösartiger Quellcode sein.
    Content
    Vgl. den Europol-Bericht "ChatGPT: The impact of Large Language Models on Law Enforcement" unter: https://www.europol.europa.eu/cms/sites/default/files/documents/Tech%20Watch%20Flash%20-%20The%20Impact%20of%20Large%20Language%20Models%20on%20Law%20Enforcement.pdf.
    Source
    https://netzpolitik.org/2023/chatgpt-womit-sich-strafverfolger-bald-befassen-muessen/?utm_source=pocket-newtab-global-de-DE#!
  7. Stieler, W.: Anzeichen von Bewusstsein bei ChatGPT und Co.? (2023) 0.08 
    0.08200006 = product of:
  0.16400012 = sum of:
    0.045792736 = weight(_text_:und in 2049) [ClassicSimilarity], result of:
      0.045792736 = score(doc=2049,freq=6.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.29710194 = fieldWeight in 2049, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0546875 = fieldNorm(doc=2049)
    0.11820738 = weight(_text_:https in 2049) [ClassicSimilarity], result of:
      0.11820738 = score(doc=2049,freq=4.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.43132702 = fieldWeight in 2049, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.0546875 = fieldNorm(doc=2049)
  0.5 = coord(2/4)
    Abstract
    Ein interdisziplinäres Forschungsteam hat eine Liste von Eigenschaften aufgestellt, die auf Bewusstsein deuten, und aktuelle KI-Systeme darauf abgeklopft. Ein interdisziplinäres Forscherteam hat ein Paper [https://arxiv.org/abs/2308.08708] veröffentlicht, das eine Liste von 14 "Indikatoren" für Bewusstsein enthält, die aus sechs aktuellen Theorien über das Bewusstsein stammen. Aktuelle KI-Modelle wie GPT-3, Palm-E oder AdA von Deepmind weisen demnach einzelne dieser Indikatoren auf. "Es spricht viel dafür, dass die meisten oder alle Bedingungen für das Bewusstsein, die von derzeitigen Theorien vorgeschlagenen Bedingungen für das Bewusstsein mit den bestehenden Techniken der KI erfüllt werden können", schreiben die Autoren. Zum Team gehörte auch der Deep-Learning-Pionier Yoshua Bengio von der Université de Montréal.
    Source
    https://www.heise.de/hintergrund/Anzeichen-von-Bewusstsein-bei-ChatGPT-und-Co-9295425.html?view=print
  8. Was ist GPT-3 und spricht das Modell Deutsch? (2022) 0.08 
    0.0815448 = product of:
  0.1630896 = sum of:
    0.06756362 = weight(_text_:und in 1869) [ClassicSimilarity], result of:
      0.06756362 = score(doc=1869,freq=10.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.4383508 = fieldWeight in 1869, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0625 = fieldNorm(doc=1869)
    0.09552599 = weight(_text_:https in 1869) [ClassicSimilarity], result of:
      0.09552599 = score(doc=1869,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.34856486 = fieldWeight in 1869, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.0625 = fieldNorm(doc=1869)
  0.5 = coord(2/4)
    Abstract
    GPT-3 ist ein Sprachverarbeitungsmodell der amerikanischen Non-Profit-Organisation OpenAI. Es verwendet Deep-Learning um Texte zu erstellen, zusammenzufassen, zu vereinfachen oder zu übersetzen.  GPT-3 macht seit der Veröffentlichung eines Forschungspapiers wiederholt Schlagzeilen. Mehrere Zeitungen und Online-Publikationen testeten die Fähigkeiten und veröffentlichten ganze Artikel - verfasst vom KI-Modell - darunter The Guardian und Hacker News. Es wird von Journalisten rund um den Globus wahlweise als "Sprachtalent", "allgemeine künstliche Intelligenz" oder "eloquent" bezeichnet. Grund genug, die Fähigkeiten des künstlichen Sprachgenies unter die Lupe zu nehmen.
    Source
    https://www.lernen-wie-maschinen.ai/ki-pedia/was-ist-gpt-3-und-spricht-das-modell-deutsch/
  9. Lobo, S.: ¬Das Ende von Google, wie wir es kannten : Bessere Treffer durch ChatGPT (2022) 0.08 
    0.07858835 = product of:
  0.1571767 = sum of:
    0.037769213 = weight(_text_:und in 1853) [ClassicSimilarity], result of:
      0.037769213 = score(doc=1853,freq=2.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.24504554 = fieldWeight in 1853, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.078125 = fieldNorm(doc=1853)
    0.11940748 = weight(_text_:https in 1853) [ClassicSimilarity], result of:
      0.11940748 = score(doc=1853,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.43570608 = fieldWeight in 1853, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.078125 = fieldNorm(doc=1853)
  0.5 = coord(2/4)
    Abstract
    Höchste Alarmstufe bei der weltgrößten Suchmaschine: Mit ChatGPT und künstlicher Intelligenz könnte eine neue Ära beginnen.
    Source
    https://www.spiegel.de/netzwelt/netzpolitik/bessere-treffer-durch-chatgpt-das-ende-von-google-wie-wir-es-kannten-kolumne-a-77820af6-51d7-4c03-b822-cf93094fd709
  10. Dampz, N.: ChatGPT interpretiert jetzt auch Bilder : Neue Version (2023) 0.08 
    0.07858835 = product of:
  0.1571767 = sum of:
    0.037769213 = weight(_text_:und in 1875) [ClassicSimilarity], result of:
      0.037769213 = score(doc=1875,freq=2.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.24504554 = fieldWeight in 1875, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.078125 = fieldNorm(doc=1875)
    0.11940748 = weight(_text_:https in 1875) [ClassicSimilarity], result of:
      0.11940748 = score(doc=1875,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.43570608 = fieldWeight in 1875, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.078125 = fieldNorm(doc=1875)
  0.5 = coord(2/4)
    Abstract
    Das kalifornische Unternehmen Open AI hat eine neue Version ihres Chatbots ChatGPT vorgestellt. Auffallendste Neuerung: Die Software, die mit Künstlicher Intelligenz funktioniert und bisher auf Text ausgerichtet war, interpretiert nun auch Bilder.
    Source
    https://www.tagesschau.de/ausland/chat-gpt-105.html
  11. Budin, G.: Zum Entwicklungsstand der Terminologiewissenschaft (2019) 0.08 
    0.0767674 = product of:
  0.1535348 = sum of:
    0.06994956 = weight(_text_:und in 604) [ClassicSimilarity], result of:
      0.06994956 = score(doc=604,freq=14.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.4538307 = fieldWeight in 604, product of:
          3.7416575 = tf(freq=14.0), with freq of:
            14.0 = termFreq=14.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0546875 = fieldNorm(doc=604)
    0.08358524 = weight(_text_:https in 604) [ClassicSimilarity], result of:
      0.08358524 = score(doc=604,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.30499426 = fieldWeight in 604, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.0546875 = fieldNorm(doc=604)
  0.5 = coord(2/4)
    Abstract
    In diesem Aufsatz wird der Entwicklungsstand der Terminologiewissenschaft auf 3 Ebenen analysiert: (1) in Bezug auf die Forschungsfragen, die in Forschungsprojekten, universitären Qualifizierungsarbeiten und anderen Forschungskontexten gestellt und auf der Basis empirischer Analysen beantwortet werden, darauf aufbauend (2) in Bezug auf die Methoden, die dabei verwendet werden, die Theorien, die solchen Arbeiten zugrunde gelegt werden, und die Paradigmen, in denen sich die Theorien und Methoden verorten lassen, sowie (3) in Bezug auf die darüber liegende Ebene der Terminologiewissenschaft als Disziplin. Auf allen 3 Ebenen lässt sich feststellen, dass der interdisziplinäre und multiperspektivische Charakter der Terminologiewissenschaft in den letzten Jahrzehnten zugenommen hat und sich weiter verstärkt.
    Footnote
    Vgl.: https://www.springer.com/de/book/9783662589489.
    Series
    Kommunikation und Medienmanagement - Springer eBooks. Computer Science and Engineering
  12. Albrecht, I.: GPT-3: die Zukunft studentischer Hausarbeiten oder eine Bedrohung der wissenschaftlichen Integrität? (2023) 0.08 
    0.07599667 = product of:
  0.15199333 = sum of:
    0.050672717 = weight(_text_:und in 1882) [ClassicSimilarity], result of:
      0.050672717 = score(doc=1882,freq=10.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.3287631 = fieldWeight in 1882, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.046875 = fieldNorm(doc=1882)
    0.10132061 = weight(_text_:https in 1882) [ClassicSimilarity], result of:
      0.10132061 = score(doc=1882,freq=4.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.36970887 = fieldWeight in 1882, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.046875 = fieldNorm(doc=1882)
  0.5 = coord(2/4)
    Abstract
    Mit dem Fortschritt künstlicher Intelligenzen sind auch progressive Sprachverarbeitungsmodelle auf den Markt gekommen. GPT-3 war nach seiner Veröffentlichung das leistungsstärkste Modell seiner Zeit. Das Programm generiert Texte, die oft nicht von menschlich verfassten Inhalten zu unterscheiden sind. GPT-3s Größe und Komplexität ermöglichen es, dass es wissenschaftliche Artikel eigenständig schreiben und ausgeben kann, die laut Studien und Untersuchungen zum Bestehen von Universitätskursen ausreichen. Mit der Entwicklung solcher Künstlichen Intelligenzen, insbesondere auf Open Source-Basis, könnten Studierende in Zukunft studentische Hausarbeiten von Textgeneratoren schreiben lassen. Diese Arbeit beschäftigt sich einerseits mit dem Modell GPT-3 und seinen Fähigkeiten sowie Risiken. Andererseits wird die Frage thematisiert, wie Hochschulen und Universitäten in Zukunft mit maschinell verfassten Arbeiten umgehen können.
    Content
    Vgl.: https://doi.org/10.15460/apimagazin.2023.4.1.132.
    Source
    API Magazin. 4(2023), Nr.1 [https://journals.sub.uni-hamburg.de/hup3/apimagazin/article/view/132]
  13. Abbe: Hoffnungen auf Verbesserung polizeilicher Texte durch Chatbot GPT : eine Statusaufnahme (2023) 0.07 
    0.06912848 = product of:
  0.13825697 = sum of:
    0.042730987 = weight(_text_:und in 1866) [ClassicSimilarity], result of:
      0.042730987 = score(doc=1866,freq=4.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.2772374 = fieldWeight in 1866, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0625 = fieldNorm(doc=1866)
    0.09552599 = weight(_text_:https in 1866) [ClassicSimilarity], result of:
      0.09552599 = score(doc=1866,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.34856486 = fieldWeight in 1866, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.0625 = fieldNorm(doc=1866)
  0.5 = coord(2/4)
    Abstract
    Die Hoffnungen an den Einsatz von künstlicher Intelligenz sind hoch, auch in der polizeilichen Informationstechnik. Geradezu einen Hype ausgelöst hat die Veröffentlichung des Chatbots GPT vor wenigen Wochen. Der verspricht eine Beantwortung von Fragen und die Erstellung von Texten quasi wie ein Mensch. Das wäre ein immenser Fortschritt für die vielen Texte in polizeilichen Informations­systemen. Wie belastbar diese Hoffnungen sind, habe ich mir in einem Test mit Fragen und Textaufgaben näher angesehen.
    Source
    https://police-it.net/hoffnungen-auf-verbesserung-polizeilicher-texte-durch-chatbot-gpt-eine-statusaufnahme?cn-reloaded=1
  14. Rieger, F.: Lügende Computer (2023) 0.07 
    0.06912848 = product of:
  0.13825697 = sum of:
    0.042730987 = weight(_text_:und in 1913) [ClassicSimilarity], result of:
      0.042730987 = score(doc=1913,freq=4.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.2772374 = fieldWeight in 1913, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0625 = fieldNorm(doc=1913)
    0.09552599 = weight(_text_:https in 1913) [ClassicSimilarity], result of:
      0.09552599 = score(doc=1913,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.34856486 = fieldWeight in 1913, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.0625 = fieldNorm(doc=1913)
  0.5 = coord(2/4)
    Abstract
    Wir leben gerade in einem kritischen Übergangs-Zeitalter zwischen Computern, auf die man sich halbwegs verlassen kann und den neuen "AI"-Systemen, die driften, halluzinieren, lügen und fabulieren können. Schon heute ist die Komplexität moderner Softwaresysteme so hoch, dass es kühn wäre, von striktem Determinismus zu sprechen, jedoch sind auch komplexe Algorithmen darauf angelegt, bei gleichen Eingabedaten gleiche Ergebnisse zu produzieren. Eine Ausnahme sind heute schon Algorithmen, die Zufallszahlen als Teil ihrer Eingabeparameter beinhalten oder neuronale Netze.
    Source
    https://steadyhq.com/de/realitatsabzweig/posts/3ed79605-0650-4725-ab35-43f1243b57ee
  15. Bischoff, M.: Wie eine KI lernt, sich selbst zu erklären (2023) 0.07 
    0.06912848 = product of:
  0.13825697 = sum of:
    0.042730987 = weight(_text_:und in 1958) [ClassicSimilarity], result of:
      0.042730987 = score(doc=1958,freq=4.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.2772374 = fieldWeight in 1958, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0625 = fieldNorm(doc=1958)
    0.09552599 = weight(_text_:https in 1958) [ClassicSimilarity], result of:
      0.09552599 = score(doc=1958,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.34856486 = fieldWeight in 1958, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.0625 = fieldNorm(doc=1958)
  0.5 = coord(2/4)
    Abstract
    Große Sprachmodelle wie ChatGPT und Co. neigen dazu, Dinge zu erfinden. Durch einen neuen Ansatz können die Systeme ihre Antworten nun erklären - zumindest teilweise. Vorstellung von Modulen (Luminous, AtMan), die die Zusammenstellung der Aussagen in den Antworten analysieren und erklären.
    Source
    https://www.spektrum.de/news/sprachmodelle-auf-dem-weg-zu-einer-erklaerbaren-ki/2132727#Echobox=1682669561?utm_source=pocket-newtab-global-de-DE
  16. Rötzer, F.: Kann KI mit KI generierte Texte erkennen? (2019) 0.07 
    0.06823107 = product of:
  0.13646214 = sum of:
    0.052876893 = weight(_text_:und in 4977) [ClassicSimilarity], result of:
      0.052876893 = score(doc=4977,freq=8.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.34306374 = fieldWeight in 4977, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0546875 = fieldNorm(doc=4977)
    0.08358524 = weight(_text_:https in 4977) [ClassicSimilarity], result of:
      0.08358524 = score(doc=4977,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.30499426 = fieldWeight in 4977, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.0546875 = fieldNorm(doc=4977)
  0.5 = coord(2/4)
    Abstract
    OpenAI hat einen Algorithmus zur Textgenerierung angeblich nicht vollständig veröffentlicht, weil er so gut sei und Missbrauch und Täuschung ermöglicht. Das u.a. von Elon Musk und Peter Thiel gegründete KI-Unternehmen OpenAI hatte im Februar erklärt, man habe den angeblich am weitesten fortgeschrittenen Algorithmus zur Sprachverarbeitung entwickelt. Der Algorithmus wurde lediglich anhand von 40 Gigabyte an Texten oder an 8 Millionen Webseiten trainiert, das nächste Wort in einem vorgegebenen Textausschnitt vorherzusagen. Damit könne man zusammenhängende, sinnvolle Texte erzeugen, die vielen Anforderungen genügen, zudem könne damit rudimentär Leseverständnis, Antworten auf Fragen, Zusammenfassungen und Übersetzungen erzeugt werden, ohne dies trainiert zu haben.
    Source
    https://www.heise.de/tp/features/Kann-KI-mit-KI-generierte-Texte-erkennen-4332657.html?view=print
  17. Sünkler, S.; Kerkmann, F.; Schultheiß, S.: Ok Google . the end of search as we know it : sprachgesteuerte Websuche im Test (2018) 0.07 
    0.06823107 = product of:
  0.13646214 = sum of:
    0.052876893 = weight(_text_:und in 626) [ClassicSimilarity], result of:
      0.052876893 = score(doc=626,freq=8.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.34306374 = fieldWeight in 626, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0546875 = fieldNorm(doc=626)
    0.08358524 = weight(_text_:https in 626) [ClassicSimilarity], result of:
      0.08358524 = score(doc=626,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.30499426 = fieldWeight in 626, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.0546875 = fieldNorm(doc=626)
  0.5 = coord(2/4)
    Abstract
    Sprachsteuerungssysteme, die den Nutzer auf Zuruf unterstützen, werden im Zuge der Verbreitung von Smartphones und Lautsprechersystemen wie Amazon Echo oder Google Home zunehmend populär. Eine der zentralen Anwendungen dabei stellt die Suche in Websuchmaschinen dar. Wie aber funktioniert "googlen", wenn der Nutzer seine Suchanfrage nicht schreibt, sondern spricht? Dieser Frage ist ein Projektteam der HAW Hamburg nachgegangen und hat im Auftrag der Deutschen Telekom untersucht, wie effektiv, effizient und zufriedenstellend Google Now, Apple Siri, Microsoft Cortana sowie das Amazon Fire OS arbeiten. Ermittelt wurden Stärken und Schwächen der Systeme sowie Erfolgskriterien für eine hohe Gebrauchstauglichkeit. Diese Erkenntnisse mündeten in dem Prototyp einer optimalen Voice Web Search.
    Content
    Vgl.: https://www.b-i-t-online.de/heft/2018-01-index.php.
  18. Hahn, U.: Automatische Sprachverarbeitung (2023) 0.07 
    0.06823107 = product of:
  0.13646214 = sum of:
    0.052876893 = weight(_text_:und in 1791) [ClassicSimilarity], result of:
      0.052876893 = score(doc=1791,freq=8.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.34306374 = fieldWeight in 1791, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0546875 = fieldNorm(doc=1791)
    0.08358524 = weight(_text_:https in 1791) [ClassicSimilarity], result of:
      0.08358524 = score(doc=1791,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.30499426 = fieldWeight in 1791, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.0546875 = fieldNorm(doc=1791)
  0.5 = coord(2/4)
    Abstract
    Dieses Kapitel gibt eine Übersicht über die maschinelle Verarbeitung natürlicher Sprachen (wie das Deutsche oder Englische; natural language - NL) durch Computer. Grundlegende Konzepte der automatischen Sprachverarbeitung (natural language processing - NLP) stammen aus der Sprachwissenschaft (s. Abschnitt 2) und sind in zunehmend selbstständiger Weise mit formalen Methoden und technischen Grundlagen der Informatik in einer eigenständigen Disziplin, der Computerlinguistik (CL; s. Abschnitte 3 und 4), verknüpft worden. Natürlichsprachliche Systeme (NatS) mit anwendungsbezogenen Funktionalitätsvorgaben bilden den Kern der informationswissenschaftlich geprägten NLP, die häufig als Sprachtechnologie oder im Deutschen auch (mittlerweile veraltet) als Informationslinguistik bezeichnet wird (s. Abschnitt 5).
    Footnote
    Vgl.: https://doi.org/10.1515/9783110769043.
    Source
    Grundlagen der Informationswissenschaft. Hrsg.: Rainer Kuhlen, Dirk Lewandowski, Wolfgang Semar und Christa Womser-Hacker. 7., völlig neu gefasste Ausg
  19. Geißler, S.: Maschinelles Lernen und NLP : Reif für die industrielle Anwendung! (2019) 0.06 
    0.06357683 = product of:
  0.12715366 = sum of:
    0.05550918 = weight(_text_:und in 4547) [ClassicSimilarity], result of:
      0.05550918 = score(doc=4547,freq=12.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.36014193 = fieldWeight in 4547, product of:
          3.4641016 = tf(freq=12.0), with freq of:
            12.0 = termFreq=12.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.046875 = fieldNorm(doc=4547)
    0.07164449 = weight(_text_:https in 4547) [ClassicSimilarity], result of:
      0.07164449 = score(doc=4547,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.26142365 = fieldWeight in 4547, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.046875 = fieldNorm(doc=4547)
  0.5 = coord(2/4)
    Abstract
    Anwendungen von maschinellen Lernverfahren (ML) haben in jüngster Zeit aufsehenerregende Durchbrüche bei einer ganzen Reihe von Aufgaben in der maschinellen Sprachverarbeitung (NLP) erzielt. Der Fokus vieler Arbeiten liegt hierbei in der Entwicklung immer besserer Modelle, während der Anteil der Aufgaben in praktischen Projekten, der sich nicht mit Modellbildung, sondern mit Themen wie Datenbereitstellung sowie Evaluierung, Wartung und Deployment von Modellen beschäftigt, oftmals noch nicht ausreichend Beachtung erfährt. Im Ergebnis fehlen gerade Unternehmen, die nicht die Möglichkeit haben, eigene Plattformen für den Einsatz von ML und NLP zu entwerfen, oft geeignete Werkzeuge und Best Practices. Es ist zeichnet sich ab, dass in den kommenden Monaten eine gerade diesen praktischen Fragen zugewandte Ingenieurssicht auf ML und ihren Einsatz im Unternehmen an Bedeutung gewinnen wird.
    Content
    Vgl.: https://doi.org/10.1515/iwp-2019-2007.
    Source
    Information - Wissenschaft und Praxis. 70(2019) H.2/3, S.134-140
  20. Mengel, T.: Wie viel Terminologiearbeit steckt in der Übersetzung der Dewey-Dezimalklassifikation? (2019) 0.06 
    0.06357683 = product of:
  0.12715366 = sum of:
    0.05550918 = weight(_text_:und in 603) [ClassicSimilarity], result of:
      0.05550918 = score(doc=603,freq=12.0), product of:
        0.1541314 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06949432 = queryNorm
        0.36014193 = fieldWeight in 603, product of:
          3.4641016 = tf(freq=12.0), with freq of:
            12.0 = termFreq=12.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.046875 = fieldNorm(doc=603)
    0.07164449 = weight(_text_:https in 603) [ClassicSimilarity], result of:
      0.07164449 = score(doc=603,freq=2.0), product of:
        0.27405512 = queryWeight, product of:
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.06949432 = queryNorm
        0.26142365 = fieldWeight in 603, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.9435613 = idf(docFreq=2339, maxDocs=44421)
          0.046875 = fieldNorm(doc=603)
  0.5 = coord(2/4)
    Abstract
    Bibliotheken weltweit setzen die Dewey-Dezimalklassifikation (DDC) als Aufstellungssystematik und/oder zur Katalogsuche ein. Es existieren Übersetzungen der DDC in über 30 Sprachen. Als ein umfassendes System zur Ordnung von Wissen bestehend aus numerischen Notationen und sprachlichen Klasseninhalten bietet die DDC dem Terminologen bzw. der Terminologin ein weites Arbeits- und Forschungsfeld. Aber wie spielen Terminologiearbeit und Übersetzung zusammen, wenn, wie in diesem Fall, die Terminologie selbst das Übersetzungsobjekt ist? Der Aufsatz kann nicht alle Themen erschöpfend behandeln, aber er präsentiert Merkmale der DDC erstmals aus der Perspektive der DDC-Übersetzungsarbeit, und er wirft die Frage auf, ob dem Aspekt der Terminologiearbeit in der DDC-Übersetzung bislang tatsächlich genügend Aufmerksamkeit geschenkt wurde.
    Footnote
    Vgl.: https://www.springer.com/de/book/9783662589489.
    Series
    Kommunikation und Medienmanagement - Springer eBooks. Computer Science and Engineering

Authors

Years

Languages

  • d 198
  • e 89
  • m 4
  • ru 1
  • More… Less…

Types

  • a 206
  • el 68
  • m 40
  • p 16
  • s 12
  • x 11
  • d 2
  • More… Less…

Themes

Subjects

Classifications