Kann ein KI-Modell fehlerfrei trainiert werden?

Shownotes

Mit dem AI Act will die Europäische Union die Zukunft der künstlichen Intelligenz (KI) in sichere Bahnen lenken. In den Fokus gerät auch immer mehr die Qualität der Daten, mit denen KI-Modelle trainiert werden. Die neue Folge des HPI-Wissenspodcasts "Neuland" geht der Frage nach, wie die Datenqualität für KI-Anwendungen verbessert werden kann. Wie aufwendig ist es, riesige Datensätze für KI-Modelle zu bereinigen? Wie können die Daten möglichst relevant, repräsentativ, fehlerfrei und vollständig sein? Braucht es synthetische Daten - für bessere Ergebnisse solcher Anwendungen? Darüber spricht Host Leon Stebe mit Prof. Felix Naumann, Leiter des Fachgebiets "Informationssysteme" am HPI, und HPI-Wissenschaftlerin Dr. Hazar Harmouch.

Mehr Infos zum Forschungsprojekt "KITQAR: Data Quality for AI Applications": https://hpi.de/naumann/projects/data-integration-data-quality-and-data-cleansing/kitqar-data-quality-for-ai-applications.html

Kommentare (1)

Monika Winnie Reuling

Für mich ist dieser Beitrag sehr interessant!!!

Neuer Kommentar

Dein Name oder Pseudonym (wird öffentlich angezeigt)
Mindestens 10 Zeichen
Durch das Abschicken des Formulars stimmst du zu, dass der Wert unter "Name oder Pseudonym" gespeichert wird und öffentlich angezeigt werden kann. Wir speichern keine IP-Adressen oder andere personenbezogene Daten. Die Nutzung deines echten Namens ist freiwillig.

Folge uns und verpasse keine Episode

Erhalte automatisch neue Episoden auf dein Endgerät.