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