vertrauenswürdige KI | LAMARR

|Geringe Kontraste erschweren die Verarbeitung durch ein ML-Modell|Aleatorische und epistemische Unsicherheit|Aleatorische und epistemische Unsicherheit

Unsicherheitsschätzung: Wissen, ob man nichts weiß

30. März 2022

Joachim

Sicking

Maram

Akila

KI-Anwendungen kommen zunehmend in kritischen Bereichen zum Einsatz, in denen Fehlentscheidungen unter Umständen zu Personen- oder Sachschäden führen können. Der Einsatz von Unsicherheitsschätzung kann hier einen Beitrag zu erhöhter Verlässlichkeit leisten.

KI-Absicherung Blogbeitrag|KI-Absicherung im autonomen Fahren

Der Weg zur abgesicherten KI: Ein Überblick über praktische Methoden

24. März 2021

Michael

Mock

Sebastian

Houben

Sicherheitskritische Systeme, wie beispielsweise selbstfahrende Autos, stellen neue, hohe Anforderungen an KI-Modelle. Vielerorts wird hierzu an Lösungsansätzen geforscht, ein umfassender Überblick wurde jetzt durch ein Übersichtspapier des Konsortiums „KI-Absicherung“ geschaffen.

Aktives Lernen anhand des Captcha Beispiels|Aktives Lernen|Prozess Aktives Lernen|Prozess Aktives Lernen|Captcha Beispiel für Aktives Lernen|Aktives Lernen

Intelligenter Labeln mit Aktivem Lernen

10. Februar 2021

Katharina

Beckh

Mit Aktivem Lernen wird das Annotieren von Daten schneller und kostengünstiger. Die Methode bindet Menschen effizient in den Prozess des Maschinellen Lernens ein und bildet damit ein Sprungbrett für vertrauenswürdige KI.