Şirket Temel Teknolojileri

Veri ve Yapay Zeka

Veri ve yapay zeka araştırması, karmaşık gerçek dünyadaki zorlukları çözmek için endüstriyel verileri, mühendislik bilgisini ve yapay zekayı birleştiren akıllı teknolojiler geliştirir. Odak noktası, endüstriyel operasyonları, karar vermeyi, sürdürülebilirliği ve üretkenliği büyük ölçekte iyileştiren güvenilir, açıklanabilir yapay zeka sistemleridir.

Yayınları keşfedin

Ya endüstrilerde ve kritik altyapılarda endüstriyel zeka elde edebilseydik?

Endüstriyel veriler, büyük hacimli sosyal medya verilerine kıyasla kıt bir kaynaktır. Verilerin fiziksel süreçler, zaman serileri ve karmaşık sistem dinamikleri ile karakterize edildiği endüstriyel bağlama özellikle vurgu yapılır. Yapay zeka sistemleri, endüstrinin ve kritik altyapının katı kalite, güvenlik ve operasyonel gereksinimlerini karşılamak için güvenilir, sağlam ve güvenilir olmalıdır.

Önemli olan: Endüstriyel değer zinciri boyunca etki yaratan yapay zeka ve veri analitiği teknolojileri.

Solda parlayan fiber optik telleri ve takılan bir takımı gösteren bölünmüş görüntü

Geniş bir gösterge paneli ekranını inceleyen iki meslektaş

Veri ve Yapay Zeka teknolojileri, endüstriyel zeka için uçtan uca bir çerçeve sunar. Çok modlu temel modelleri ve üretken yapay zeka, alana özgü iş akışlarına, ince ayarlara ve tasarıma güç verir. İnsan-yapay zeka ortak zekası, yardımcı pilotları, ajans iş akışlarını ve açıklanabilir döngü içi insan kontrollerini entegre eder. Bu uygulamaların arkasında, anlamsal modeller, bilgi grafikleri ve zaman serisi analitiği, öngörücü bakım ve operasyonel karar vermeyi sağlamak için verileri düzenler.

MLOP'ler ve edge dağıtımları, optimizasyon algoritmaları ve gerçek dünya kısıtlamalarına dayanan fiziksel, nöro-sembolik AI tarafından desteklenen yapay zeka yaşam döngüsünü yönetir. Son olarak, güvenilir yapay zeka çerçeveleri tam güvenlik, risk yönetimi ve mevzuata uygunluk sağlar.

Bu Şirket Temel Teknolojisi endüstriyel yaşam döngüsü boyunca akıllı operasyonları güçlendirir. Alan adına özgü yardımcı pilotlar ve ajans asistanları mühendislik, tasarım, kodlama ve servis iş akışlarını kolaylaştırır. Tahmine dayalı analitik, temel modelleri ve optimizasyon, çok modlu veri alanlarında operasyonel zeka, kapalı döngü kontrolü, zamanlama ve varlık bakımını sağlar.

Robotik ve fiziksel yapay zeka görsel algıyı, görev düzenlemesini ve hassas hareket kontrolünü destekler. Anlamsal veri yapıları ve ontolojileri bu sistemleri entegre ederken, kurumsal platformlar uç dağıtımı, yapay zeka riski ve uyumluluk testlerini yönetir.

Siemens'in yapay zeka ürün inovasyon hunisinin düzenlenmesi ve Veri ve Yapay Zeka yönetişiminin bu araştırma faaliyetlerini tamamlamaktadır.

Yayınlar

Öne çıkan makalelerimizi keşfedin

Belirsizlik kalibrasyonunun rolünü anlayarak pertürbasyona dayalı açıklamaların geliştirilmesi

Yayınlandığı yer: 39. Sinirsel Bilgi İşleme Sistemleri Konferansı (NeurIPS 2025)
Thomas Decker¹²³, Volker Tresp²³, Florian Büttner５
(¹ Siemens, ² LMU Münih, ³ Münih Makine Öğrenimi Merkezi (MCML), ⁴ Goethe Üniversitesi Frankfurt, ⁄ Alman Kanser Araştırma Merkezi, Alman Kanser Konsorsiyumu)

Pertürbasyon tabanlı açıklamalar ML şeffaflığını artırır, ancak pertürbasyonlar altında bilinmeyen model davranışı güvenilirliklerini tehlikeye atar. Modellerin bu bozulmalar altında güvenilmez olasılık tahminleri ürettiğini ve yerel ve küresel açıklama kalitesini doğrudan düşürdüğünü kanıtlıyoruz. Orijinal tahminleri değiştirmeden, sağlamlığı artırmadan daha iyi açıklamalar için modelleri yeniden kalibre etmesini RecalX'i öneriyoruz.
Yayıncının sayfasında görüntüle

Aktif etiketleme müdahalesi ile artan belirsizliğe duyarlı performans izleme

Yayınlandığı yer: 28. Uluslararası Yapay Zeka ve İstatistik Konferansı Bildirileri, PMLR 258:2188‑2196, 2025
Alexander Köbler, Thomas Decker, Ingo Thon, Volker Tresp, Florian Büttner

ML modellerini, tespit edilmeden doğruluğu yavaşça düşüren kademeli dağıtım kaymaları altında izlemeyi inceliyoruz. Optimum taşıma kullanarak performans değişikliklerini tahmin eden etiketsiz bir yöntem olan artımlı belirsizliğe duyarlı performans izlemeyi (IUPM) öneriyoruz. IUPM, tahmin belirsizliğini ölçer ve tahminleri geri yüklemek için sınırlı bir bütçe altında aktif etiketlemeyi kullanır ve vardiya senaryolarında temel çizgilerden daha iyi performans gösterir.
Yayıncının sayfasında görüntüle

Wiki-tabner: Adlandırılmış varlık tanımayı Wikipedia tablolarına entegre etme

Yayın tarihi: 2025 Uluslararası ACM SIGIR Bilgi Edinmede Araştırma ve Geliştirme Konferansı
Aneta Koleva, Martin Ringsquandl, Ahmed Hatem, Thomas Runkler, Volker Tresp

Mevcut tablo yorumlama kriterleri genellikle gerçek dünya verilerini aşırı basitleştirir. Bunu ele almak için, DBpedia sınıfları kullanılarak açıklama eklenmiş, hücre başına birden fazla varlığa sahip karmaşık Wikipedia tablolarını içeren zorlu bir veri kümesi olan WikiTabner'ı tanıtıyoruz. Tablo içi adlandırılmış varlık tanıma (NER) ve varlık bağlantısı için tasarlanan, özelliklerini, etiketlemesini ve bir LLM değerlendirme çerçevesini detaylandırıyoruz, ardından model performansının ve veri kümesi sınırlamalarının nitel analizini izliyoruz.
Yayıncının sayfasında görüntüle

Lightning UQ Box: Sinir ağları için belirsizlik nicelemesi

Yayınlandığı yer: Makine Öğrenimi Araştırmaları Dergisi 26 (2025)
Nils Lehmann, Nina Maria Gottschling, Jacob Gawlikowski, Adam J.Stewart, Stefan Depeweg, Eric Nalisnick

Derin öğrenmenin başarısına rağmen, kara kutu doğası ve eksik güven tahminleri tıp gibi kritik alanlarda şüpheciliğe neden oluyor. Belirsizlik nicelemesini (UQ) daha erişilebilir ve yeniden kullanılabilir hale getirmek için PyTorch Lightning tarafından desteklenen PyTorch tabanlı bir kütüphane olan Lightning UQ Box'ı tanıtıyoruz. Çeşitli UQ yöntemlerinde sınıflandırma, regresyon ve segmentasyonu destekler ve uygulayıcılara ölçeklenebilir, kullanıma hazır araçlar sunar.
Yayıncının sayfasında görüntüle

Büyük dil modellerinde ince taneli belirsizlik ayrıştırması: Spektral bir yaklaşım

Yayınlandığı yer: AAAI Yapay Zeka Konferansı Bildirileri (AAAI26)
Nassim Walha¹², Sebastian G.Gruber⁄4, Thomas Decker, Yinchong Yang, Alireza Javanmardi, Eyke Hüllermeier, Florian Buettner¹²³⁴
(¹ Alman Kanser Araştırma Merkezi (DKFZ), ² Alman Kanser Konsorsiyumu (DKTK), ³ Frankfurt Kanser Enstitüsü, Almanya, ⁴ Goethe Üniversitesi Frankfurt, Almanya, ⁄ ESAT-PSI, KU Leuven, Belçika, Siemens AG, LMU Münih, Münih Makine Öğrenimi Merkezi (MCML), Alman Yapay Zeka Merkezi (DFKI), Kaiserslautern, Almanya)

LLM'ler çeşitli uygulamalara entegre olduğundan, güvenilir öngörücü belirsizlik ölçümleri elde etmek kritik öneme sahiptir. Her kaynağı ele almak için aleatorik veri belirsizliği ve epistemik model sınırlamaları arasında ayrım yapmak esastır. Toplam belirsizliği aleatorik ve epistemik bileşenlere titizlikle ayırmak için kuantum bilgi teorisinin Von Neumann entropisini kullanan bir yaklaşım olan spektral belirsizliği tanıtıyoruz. Anlamsal benzerlikten yararlanarak, çeşitli modellerde ve kıyaslamalarda son teknoloji yöntemlerden daha iyi performans gösterir.
Yayıncının sayfasında görüntüle