Eine interessante Betrachtung der Fallstricke beim unreflektierten Einsatz von KI, maschinellem Lernen und anderen Korrelationsmethoden ohne Fachwissen.
Wir alle haben den Hype um Big Data und KI mitbekommen: „Experten werden nicht mehr gebraucht, man muss nur seine Daten durch die Algorithmen des maschinellen Lernens oder der KI schicken, und schon geben die Computer die magische Antwort.“ Wie Nate Silver erklärt, sieht die Realität jedoch anders aus: „Die Zahlen können nicht für sich selbst sprechen. Wir sprechen für sie, wir geben ihnen eine Bedeutung.“ Nehmen wir das Beispiel der Vorhersagen für Schulprüfungen. Im Sommer 2020 verwendete die englische Regierung ein Prognosemodell, um die Prüfungsnoten für Schüler zu ermitteln. Es gab erhebliche Einwände gegen die erteilten Noten. Die Regierung schob die Schuld auf einen mutierten Algorithmus. Dabei war uns allen klar, wie ungerecht es ist, die Postleitzahl als Prädiktor für die Prüfungsleistung zu verwenden. Es lag also nicht am Algorithmus, sondern an den Fachexperten, die es versäumt hatten, den Daten und den daraus resultierenden Vorhersagemodellen Sinn und Fairness zu verleihen.
In diesem Webinar wird auf eindrucksvolle Weise gezeigt, wie wichtig die Kombination von Fachwissen und Know-how im Bereich der Datenanalyse ist, um sicherzustellen, dass wir die hilfreichsten Erkenntnisse aus unseren Daten gewinnen. Wir werden darlegen, in welchen Situationen Vorhersagen ausreichen und wie wir den Modellierungsprozess der Datenanalyse anders angehen, wenn unser Ziel in einem besseren Verständnis besteht (wie es häufig in Forschung, Entwicklung und Produktion der Fall ist). Anhand mehrerer Beispiele werden wir einige grundlegende Ansätze des maschinellen Lernens, ihre Fallstricke und die Vermeidung irreführender Schlussfolgerungen untersuchen.
Sie erfahren Folgendes:
- Wie wichtig es ist, Ihr Fachwissen, Ihre Erfahrung und Intuition zusammen mit statistischen Methoden und Verfahren des maschinellen Lernens einzusetzen.
- Wie Sie die „Black Box“ datengestützter Methoden und Algorithmen auf sichere Weise öffnen und Ihr Publikum mit einfachen, interaktiven Visualisierungen Ihrer Ergebnisse begeistern können.
