Welche Fehler machen neuronale Netze?

Welche Auswirkungen hat die Nutzung von KI für das Klima und welche positiven Beiträge kann KI zum Klimaschutz leisten? Unser Gast Bettina beleuchtet dieses Thema genauer mit uns.

Es geht um den Algorithmus, mit dem YouTube die Videos auf der Startseite bzw. die Watch Next Empfehlungen bestimmt. Wir betrachten sowohl die technischen Aspekte als auch die sozialen Implikationen.

Zur Feier unserer 10. Folge trifft sich Beepos ganze Podcastfamilie und unterhält sich zu verschiedensten Themen um und fernab des Podcasts. Dabei sind: Beepos Mama Laura, der Podcastpappi Oli und Gesina und Johannes.

Wir beschäftigen uns heute mit der Frage, ob KI als kreativ bezeichnet werden kann. Nach einer Begriffsklärung zur Kreativität und dem Aufzählen von möglichen Techniken zur Datengenerierung betrachten wir Beispiele zur Bild-, Musik- und Textgenerierung.

In dieser Folge beschäftigen wir uns mit Social Bots; kleinen automatischen Programmen, die in sozialen Netzwerken vereinzelt helfen, aber auch weniger gute Intentionen haben können. Social Bots können stören, überfluten und Meinungen manipulieren. Die Forschung hat aber auch Tools hervorgebracht, die KI-gestützt gegen bösartige Bots vorgehen können.

Wir wollen klären, was zum autonomen Fahren benötigt wird und warum es so schwer ist. Dafür verschaffen wir uns einen Überblick, welche Fähigkeiten ein autonomes Auto mitbringen muss, und was jeweils Probleme machen kann.

Heute soll es mal etwas detaillierter darum gehen, was für Fehler maschinelle Lernverfahren, im Speziellen neuronale Netze, typischerweise machen, wie man diese findet und wie man sie behebt -- oder eher: warum es so schwer ist, sie zu beheben.

Heute tauchen wir ein in ein Spezialfeld des Maschinellen Lernens, und zwar: Inductive Logic Programming (ILP). ILP umfasst Methoden und Algorithmen zum automatisierten Lernen von logischen Regeln und Zusammenhängen.

Heute blicken wir zurück auf das Leben von Joseph Weizenbaum. Als Deutscher ausgewandert in die USA feiert er erste Erfolge in der Entwicklung von Computer-Architektur und in der Computer-Linguistik. Nach mehreren einschneidenden Erfahrungen wird Weizenbaum zum glühenden Kritiker und großen Mahner im Bereich der künstlichen Intelligenz.

Viele maschinell gelernte Modelle sind undurchsichtig. Diesmal geht es um die Frage: Wie kann man dennoch einen Blick hinein werfen? Und warum braucht man das? Wir plaudern also ein wenig um unser Forschungsgebiet, die erklärbare künstliche Intelligenz (XAI von eXplainable Artificial Intelligence).