Über Robert Remus

Der Autor hat bisher keine Details angegeben.
Bisher hat Robert Remus, 8 Blog Beiträge geschrieben.

Vielversprechend: Fairness in der Sprachverarbeitung

Fairness ist ein zentraler Aspekt der ethisch verantwortungsvollen Entwicklung und Anwendung künstlicher Intelligenz. Da Menschen möglicherweise voreingenommen sind, sind es ggf. auch Machine Learning-Modelle (ML), die auf Daten trainiert werden, die menschliche Vorurteile widerspiegeln.

Von |2021-04-08T14:32:03+00:00April 6, 2021|

Kurz notiert: Backdoors in Föderiertem Lernen

In ihrem NeurIPS-2020-Artikel besprechen Wang et al. das Einfügen sog. backdoors (dt. Hintertüren) in ein Modell während des Trainings. Im Zusammenhang mit FL besteht das Ziel einer backdoor darin, das globale Modell gezielt zu Falschvorhersagen zu zwingen.

Von |2021-03-09T10:44:57+00:00März 9, 2021|

Kurz notiert: Gradienten legen Trainingsdaten offen

In ihrem NeurIPS-2019 Artikel beschreiben Zhu et al. einen Angriff auf Federated Learning (FL): Sie zeigen wie Gradienten — die entweder in einer Client-Server- oder einer Peer-to-Peer-FL-Anwendung ausgetauscht werden — (private) Trainingsdaten offen legen.

Von |2021-03-04T16:31:12+00:00Februar 11, 2021|

Vielversprechend: Nachhaltige(re) KI

Nachhaltigkeit ist ein ethischer Wert der verantwortungsvollen Entwicklung und Anwendung Künstlicher Intelligenz. In ihrem Artikel, der bereits 2019 auf der ACL präsentiert zeigten Strubel et al., wie teuer es ist, große Sprachmodelle zu trainieren.

Von |2021-03-04T16:32:42+00:00Dezember 29, 2020|

Vielversprechend: Erklärbare KI

In diesem Blog-Eintrag gehen wir näher auf einen weiteren zentralen Aspekt verantwortungsvoller Entwicklung und Anwendung von Künstlicher Intelligenz (KI) ein: die Erklärbarkeit von Entscheidungen, die durch KI getroffen werden.

Von |2021-03-04T16:37:34+00:00November 30, 2020|
Nach oben