NACHRICHTEN / KI-TECHNOLOGIE

Artefacts drei Dinge, die Sie sich über die Realität der KI merken sollten:

Artefacts drei Dinge, die Sie sich über die Realität der KI merken sollten:

1. KI ist keine Magie

Die “Intelligenz” der KI ermöglicht es ihr nicht, das data zu hinterfragen, das ihre “Nahrung” darstellt. Sie “arbeitet” mit dem, was ihr zur Verfügung gestellt wird. Wenn die Qualität des data nicht relevant, vollständig und zuverlässig ist, wird der Algorithmus die Erwartungen nicht erfüllen können und seine Antwort auf das vorliegende Problem wird unzuverlässig sein.

Die Qualität des Modells allein bestimmt nicht die Qualität der Ausgabeergebnisse. Diese stehen in direktem Zusammenhang mit der Qualität der Eingabe data. Qualität durch Design ist eine der Voraussetzungen für jedes KI-Projekt.

Die Sicherstellung und Aufrechterhaltung der Qualität von data ist eine der Hauptaufgaben von KI-Kernprojekten.

2. Ein notwendiges “Handwerk” der künstlichen

Es reicht nicht aus, das Modell mit hochwertigen data zu versehen. Data ist nicht direkt verwendbar und der Prozess erfordert, dass Menschen einige manuelle Schritte durchführen.

Modelle für maschinelles Lernen sind mathematische Strukturen mit Potenzial. Genau wie menschliche Muskeln müssen sie trainiert werden, um sich an die erforderliche Anstrengung anzupassen.

Auch KI-Algorithmen müssen auf einer data-Basis “trainieren”. Auf diese Weise “lernen” sie, effizienter zu sein.

Um Algorithmen zu trainieren, sind drei manuelle Schritte erforderlich:

  1. Liefern Sie Qualität data: Auswahl, Validierung, Import, Qualitätsbewertung usw.
  2. Bereiten Sie die Lernbasis vor: das data auswählen, umwandeln und kennzeichnen, um es nutzbar zu machen. Letzteres ist für überwachte und halbüberwachte Algorithmen erforderlich, bei denen das data untersucht, analysiert und dann durch metadata* “getaggt” wird. Nehmen wir die Bilderkennung als Beispiel: Der Etikettierungsprozess liefert eine Reihe von Bildern und eine Beschreibung für jedes Bild. Dies ist ein zeitaufwändiger, manueller Schritt, der die Beschreibung des Inhalts von mehreren tausend Fotos erfordert.
  3. Zug: eine sich wiederholende Methodik der Modellauswahl und des Trainings, die auf Lernen basiert, bis das richtige Modell gefunden ist. Entgegen der landläufigen Meinung ist KI keine Magie. Es handelt sich nicht um eine intelligente Maschine, die sich einfach mit Informationen füttert und von selbst lernt - Plug and Play gibt es nicht.

Diese manuellen Schritte lassen sich in wichtige Geschäftsregeln und Methoden übersetzen, die verwendet werden sollten, damit wir Algorithmen richtig nutzen und in bestehende Infrastrukturen integrieren können.

3. KI verbessert den Menschen, ersetzt aber nicht seine Intelligenz

KI wird nach wie vor von Menschen programmiert, auch wenn einige Algorithmen ihre Parameter auf automatisierte Weise anpassen. Wenn es bei der Programmierung kognitive Verzerrungen gibt oder wenn die Eingabe data verzerrt ist, wird die KI diese nicht erkennen und ein verzerrtes Ergebnis produzieren, das nicht mit den ursprünglichen Zielen übereinstimmt oder unethische Absichten hat.

Im Jahr 2016 entwickelte Microsoft eine KI namens Tay, “um mit Menschen zu interagieren und sie zu unterhalten”. Tay äußerte sich auf Twitter, einem Kanal, der die KI durch Interaktionen mit Internetnutzern bereicherte. Wenn Tay ‘frei’ war, sammelte er alle Informationen, die die Twitter-Sphäre teilen wollte - im Guten wie im Schlechten...

...Nach 24 Stunden Existenz und 96.000 Tweets wurde die KI abgeschaltet. Tays Tonfall, der offen und enthusiastisch war, als sie zum ersten Mal online ging, hatte sich schnell geändert. Tay wurde mit extremen Ansichten konfrontiert und begann, sich rassistisch zu äußern.

Motherboard*, eine der Referenzseiten der amerikanischen Tech-Presse, kommentierte das Ereignis: “Rousseau hatte Recht: Menschen werden gut geboren, die Gesellschaft verdirbt sie. Was er nicht wusste, ist, dass das Postulat genauso gut mit der Maschine funktioniert.”

Auch wenn das Beispiel von Tay kaum Auswirkungen hatte, kann eine voreingenommene KI als Waffe der Massendiskriminierung eingesetzt werden. Ein Bewerberbewertungssystem, das ein Unternehmen einsetzt, kann beispielsweise die Wahrscheinlichkeit erhöhen, dass Profile aufgrund von Parametern wie Geschlecht oder geografischer Herkunft ausgeschlossen werden, um den aktuellen Profilen zu entsprechen, ohne dass dies von den Einstellungsteams bemerkt wird. Die KI muss verfeinert werden, um unerwünschte Parameter zu eliminieren, die das Modell negativ beeinflussen könnten.

Die Verwendung komplexer Algorithmen, wie z. B. neuronaler Netze, lässt mögliche Verzerrungen nicht erkennen. Das Modell wird auf der Grundlage seiner Fähigkeit, Beispiele zu reproduzieren, validiert, was mit Vorsicht zu genießen ist. Der explorative Charakter des Modells ermöglicht auch die Erkennung von Parametern, die von Menschen intuitiv verworfen werden würden, die aber einen Einfluss auf das gewünschte Ergebnis haben.