Was ist wichtiger für den Erfolg – Intelligenz oder Übung? Und wie spielen beide Faktoren zusammen? Zumindest für das Schachspiel haben ForscherInnen nun belegt: Es ist die Kombination von beidem. Und eines kann das andere nie ersetzen.
AI
Summer School 2019: Wie man Künstlicher Intelligenz Psychologie beibringt
Unternehmen können in einigen Bereichen davon profitieren, wenn man künstliche Intelligenz mit Psychologie verbindet.
Customer Experience: Anforderungen setzen Marken unter Druck
Eine positive Customer Experience stärkt die Marken-Identität. Laut Umfrage sind die Konsumenten mit dem gebotenen Kundenerlebnis der Unternehmen aber oft unzufrieden.
Human Resources: KI entschlüsselt unsere Persönlichkeit
Passt ein Bewerber wirklich zum Unternehmen und in die ausgeschriebene Position? Künstliche Intelligenz ist in der Lage, Eigenschaften und Talente eines Menschen aus deren Sprache zu entschlüsseln.
Experimentability im öffentlichen Sektor: Wie Textnachrichten zum Sparen animieren
Im Gespräch mit FehrAdvice & Partners erklärt die Ökonomin Dina Pomeranz, wie auch die öffentliche Hand oder NGOs von Experimenten profitieren kann.
Ernst Fehr: “Eine pro-soziale Kultur ist eine wichtige Komponente für Behavioral Change”
Verhaltensökonom Prof. Ernst Fehr sprach bei der Academy of Behavioral Economics 2019 über die Rolle der Unternehmenskultur für die Gesamt-Performance von Unternehmen – und warum sie essenziell ist für erfolgreichen Behavioral Change.
Michael Schrage: “Experimentieren ist keine Frage des Geldes”
Der Wert der Erkenntnisse, die das Management aus Experimenten ziehen kann, übersteige immer die Kosten des Experiments, so der Verhaltensökonom bei der Academy of Behavioral Economics 2019.
Christina Gravert: „Digitales Nudging ist ein Balanceakt“
Die Verhaltensökonomin Christina Gravert erklärt im Gespräch mit Luca Geisseler, Managing Partner von FehrAdvice, worauf Unternehmen bei der Gestaltung von Erinnerungs-Mails achten sollten.
Digitales Lernen: Wie Kinder im Leben erfolgreich werden
Daniel Schunk von der Universität Mainz forscht darüber, welche Skills Kinder trainieren müssen, um in ihrem Leben später erfolgreich und glücklich zu sein. In digitalisierten Lernumgebungen können diese Skills gezielt gefördert werden, erzählt Schunk im Gespräch mit Andreas Staub, Managing Partner bei FehrAdvcie.
So funktioniert die Beziehung von Mensch und Maschine
An der Universität Zürich erforscht Alexander Wagner mit seinem Team, ob Menschen Beziehungen zu Robotern aufbauen können und ob sie bereit sind, sie für Geld zu eliminieren. Seine Erkenntnisse schildert er im Gespräch mit Alexis Johann, Managing Partner von FehrAdvice.
Dan Goldstein: “Maschinen mit den Aufgaben betrauen, die sie besser erledigen können”
Unternehmen ein Beispiel an intelligenten Maschinen nehmen, die komplexe Aufgaben auf Basis von Experimenten meistern, sagt der Microsoft-Experte Dan Goldstein im Gespräch mit Alexis Johann, Managing Partner bei FehrAdvice & Partners.
Auf die Regeln kommt es an: Wie Künstliche Intelligenz menschliche Moralvorstellungen lernt
Maschinen können ethisch begründete Entscheidungen aus Textbausteinen und Frage-/Antwort-Vorlagen lernen, so eine experimentelle Studie. Eine wichtige Erkenntnis, wenn es darum geht, maschinelles Lernen in Entscheidungssystemen zu nutzen.
Künstliche Intelligenz: 18 Richtlinien für das Design von Applikationen
Die digitalen Services unseres täglichen Lebens sind ohne künstliche Intelligenz nicht mehr denkbar. Eine Gruppe Wissenschaftler erarbeitete nun Regeln für die Gestaltung von AI-Systemen, um das User-Verhalten so gut wie möglich zu unterstützen.
Gruppendruck: Wie stark sich Robotik auf kindliches Verhalten auswirken kann
Beim Einsatz von Robotern reagieren Erwachsene und Kinder unterschiedlich, zeigt eine aktuelle Studie. Kinder sehen Humanoide aufgrund der ähnlichen Grösse offenbar als ebenbürtig, was den intelligenten Maschinen mehr Einfluss erlaubt.
Maschinelles Lernen: Je einfacher die Anwendungen, desto schneller helfen sie bei Entscheidungen
Noch setzen Unternehmen Maschinelles Lernen kaum ein. Ein neues ML-Paradigma will dafür sorgen, dass Algorithmen besser werden und – vor allem – früher zum Einsatz kommen.