KI in seichten Datengewässern - Dritter Teil der Miniserie »Künstliche Intelligenz (KI) und Statistik«

In der dritten Folge unserer Miniserie »Künstliche Intelligenz
(KI) und Statistik« dreht sich alles um »Shallow Learning« oder
auch in Deutsch »Seichtes Lernen«. Unser Podcast-Team –bestehend
aus Sascha Feth, Jochen Fiedler und Esther Packullat – klärt in
dieser Episode, was sich hinter diesem Konzept verbirgt.
Gemeinsam beleuchten wir, wie unzureichende Trainingsdaten und
historische Verzerrungen (Stichwort Bias) die Leistungsfähigkeit
von KI-Systemen beeinflussen. Außerdem hinterfragen wir, ob
Fehler in Algorithmen bereits vor der Entwicklung von
KI-gestützten Systemen auftraten – und wie sich solche Probleme
beheben lassen. 


Schon bald wird klar: Ohne hochwertige Daten kann keine KI ihr
volles Potenzial entfalten. Um das greifbar zu machen, bringen
wir konkrete Beispiele ins Spiel: 




Nicht repräsentative Trainingsdaten: Warum das
KI-Bestellsystem von McDonald's scheiterte und welche
Einblicke das Buch »Unsichtbare Frauen« liefert 






Historischer Bias: Was wir aus Episode 20 »Viel Lärm um Bias«
lernen können 






Menschliche Entscheidungen versus KI: Welche Entscheidungen
müssen bei einem Menschen verbleiben und die Meinung der
»UNESCO«  






Softwarefehler vor dem KI-Zeitalter: Welche Fehler in den
90er Jahren die Raumfahrt herausforderten 






Probleme des Community-Engagements: Der Fall des
Microsoft-Chatbots »Tay« 




Im nächsten Teil unserer Miniserie richten wir den Blick auf
»Unsupervised Learning«. Hier lernen Modelle selbstständig und
entdecken Muster – ganz wie Archäologen, die versuchen, eine alte
Sprache zu entschlüsseln. 


Gestaltet unseren Podcast mit! 


Wie immer gilt: Ihr habt ein Zahlenphänomen entdeckt, das wir
besprechen sollen oder eine Statistik in den Medien gelesen, die
wir in der »Streuspanne« analysieren sollen? Dann meldet Euch
gerne bei uns und wir bringen Euer Thema in die nächste
Folge! 


Darauf wird in dieser Folge verwiesen: 


Weiterführende Artikel: 




https://s.fhg.de/mcdonalds-ai-drive-thru  






https://s.fhg.de/ki-unesco 






https://s.fhg.de/softwarefehler-raumfahrt 






https://s.fhg.de/microsoft-chatbot-tay  




Buchtipp:  


Caroline Criado-Perez: Unsichtbare Frauen – Wie eine von Daten
beherrschte Welt die Hälfte der Bevölkerung ignoriert. München:
btb Verlag (2020). 


Passende Folge aus der »Streuspanne«-Welt: 
Folge 20: Viel Lärm um Bias – Wie Noise Entscheidungen und
Statistiken verzerrt:
https://www.itwm.fraunhofer.de/podcast-noise  


 


Folge 6: Haben Sie schon mal in den Badesee gemacht? 


https://www.itwm.fraunhofer.de/de/abteilungen/mf/aktuelles/blog-streuspanne/podcast-badesee-statistik-peinlichkeiten.html