White-Box-AI: Transparente Entscheidungsunterstützung durch interpretierbare Machine-Learning-Modelle

Die meisten Modelle der künstlichen Intelligenz und des maschinellen Lernens basieren auf komplexen Abbildungsvorschriften und bieten dadurch keine Möglichkeiten, die Funktionsweise der Modelle nachzuvollziehen oder externes Wissen durch Expertinnen und Experten zu integrieren. Aufgrund solcher Black-Box-Eigenschaften können diese Modelle nur schwer überprüft werden und sind deshalb für viele Anwendungsfelder z. B. im Finanzsektor oder im Gesundheitswesen ungeeignet.

Patrick Zschech liefert im seinem Vortrag einen Überblick über aktuelle Entwicklungen im Bereich White-Box AI. Dabei demonstriert er, dass moderne Maschine-Learning-Modelle nicht zwangsweise undurchsichtig sein müssen und dennoch in der Lage sein können, konkurrenzfähige Prognosequalitäten zu erreichen.

Termin

Zu Gast

Ort

Anmeldung