Anzeige

Anzeige

VERANSTALTUNGEN

Bitkom | Digital Health Conference
26.11.19 - 26.11.19
In dbb Forum Berlin

IT & Information Security
26.11.19 - 27.11.19
In Titanic Chaussee Hotel, Berlin

Integriertes IT Demand und Portfolio Management
02.12.19 - 04.12.19
In Sofitel Berlin Kurfürstendamm, Germany

IT-Tage 2019
09.12.19 - 12.12.19
In Frankfurt

eoSearchSummit
06.02.20 - 06.02.20
In Würzburg, Congress Centrum

Anzeige

Anzeige

KI

Bei Künstlicher Intelligenz (KI) ist oft nicht wirklich klar, warum sie ihre Entscheidungen trifft - was sich spätestens bei Militär- und Sicherheitsanwendungen als ein echtes Problem darstellt.

Forscher der North Carolina State University (NCSU) haben ein neues Framework vorgeschlagen, um die Nachvollziehbarkeit von KI-Entscheidungen zu erleichtern. Denn im Prinzip liefert ein KI-System dadurch eine Erklärung mit. Bei Tests mit einem Objekterkennungs-System hat das keine Performance-Einbußen mit sich gebracht.

Interpretationshilfe

Das Besondere am neuen Framework ist laut Tianfu Wu, Professor für Computertechnik an der NCSU, dass das KI-Training auch die Interpretierbarkeit berücksichtigt. "Wenn ein KI-System mit unserem Framework beispielsweise lernt, wie es Objekte in Bildern erkennt, lernt es auch, das Zielobjekt im Bild zu lokalisieren und zu analysieren, was an dieser Lokalität die Zielobjektkriterien erfüllt", erklärt er. Diese Information wird dann zusammen mit dem Ergebnis ausgegeben, um für den Menschen interpretierbar zu machen, wie das Ergebnis zustande kam.

In einer Konzeptdemonstration haben die Forscher ihr Framework in ein breit genutztes Objekterkennungslverfahren, genannt "R-CNN", integriert. Dann haben sie die Lösung an zwei gängigen Benchmark-Datensätzen getestet. Diese Tests haben ergeben, dass die Nutzung des Interpretierbarkeits-Frameworks der Performance weder in punkto Genauigkeit noch Geschwindigkeit schadet.

Wichtige Transparenz

Eine transparente Nachvollziehbarkeit von KI-Entscheidungen ist wichtig, um diese auch rechtfertigen zu können - oder auch klar zu wissen, dass diese eigentlich nicht zu rechtfertigen sind, wenn beispielsweise wieder einmal eine fehlgeleitete KI gelernt hat, rassistisch zu sein, wie das erst vor Kurzem ein Kunstprojekt für die Gesichtserkennung demonstriert hat.

Wu sieht in der aktuellen Arbeit einen wichtigen Schritt in Richtung einer wirklich transparenten KI. Allerdings hält er noch Weiterentwicklungen für nötig. Denn das Framework bringe die KI im Objekterkennungsfall bislang nur dazu, qualitative Informationen dazu anzuzeigen, was es für die Erkennungsmerkmale des Zielobjekts hält. "Wir arbeiten an Möglichkeiten, das quantitativ zu gestalten, indem wir einen Zuversichtswert in den Prozess einbauen."

www.pressetext.com
 

GRID LIST
KI Potenziale

Studie "Wirtschaftspotenziale von KI"

Technologien und Anwendungen auf Basis Künstlicher Intelligenz (KI) haben ein enormes…
Cloud team

NetApp und Google Cloud bauen strategische Partnerschaft aus

NetApp und Google Cloud geben die Verfügbarkeit von NetApp Cloud Volumes Service und…
Schuhgröße finden

ShoeFitter – Mit dem Smartphone zum passenden Schuh

Was es nicht alles gibt! Onlineshopping zählt ja zu den Lieblingsbeschäftigungen der…
cyber attacke

Mehrheit der Unternehmen hat bereits eine Cyberattacke erlebt

Zwei von drei Unternehmen waren schon einmal Opfer von Cyberattacken. Ein Drittel…
Tb W190 H80 Crop Int 57a5a02368762425981eacd93235abde

Jochen Olbrich neuer COO bei Relicense AG

Die Relicense AG verstärkt sein Management Team: Jochen Olbrich ist in der neu…
KI

Neues KI-Projekt von F-Secure: Blackfin

Viele werden KI mit der digitalen Imitation von menschlichen Intelligenz- und Denkmustern…