Künstliche Intelligenz (KI) ist ein fester Bestandteil in der Industrie und hält mit jedem Jahr mehr Einzug in den Alltag. Einparkhilfen und automatisierte Lichtanlagen gehören zum Standard neuerer Automodelle und in Zukunft sollen selbstfahrende Autos das Fahren übernehmen. In Videospielen dient künstliche Intelligenz als Gegenspieler und in Bildverarbeitungssoftware werden Objekte und Personen automatisch erkannt. Selbst in Kühlschränken findet sich KI, die den Nutzer zum Beispiel über die leere Milchpackung informiert. Bei all diesen Prozessen ist es wichtig, dass die künstliche Intelligenz keine Fehler macht. Im schlimmsten Fall könnte ein Fehler einen Unfall verursachen, zum Beispiel bei selbstfahrenden Autos. Der Benutzer muss sich auf das System verlassen können. Die Prozesse, die die künstliche Intelligenz durchläuft um zu einem Ergebnis zu kommen, sind komplex. Bei großen Systemen, wie zum Beispiel AlphaGo von Google DeepMind, werden verschiedene Modelle kombiniert, welche viele unterschiedliche Ebenen (Layer) verwenden. Wegen der fehlenden Übersichtlichkeit und der schweren Nachvollziehbarkeit werden solche Systeme als Black Box bezeichnet.


    Access

    Download


    Export, share and cite



    Title :

    Nachvollziehbarkeit und Begründbarkeit von Maschinellen Lernverfahren mithilfe von 3D-Visualisierung


    Contributors:

    Publication date :

    2018-11-01


    Type of media :

    Theses


    Type of material :

    Electronic Resource


    Language :

    German





    Verfahren und Vorrichtung zum Erkennen eines Parkplatzes für ein Fahrzeug mithilfe maschineller Lernverfahren

    PERAUER CEDRIC / JANAI JOEL / KAYALAR MUENIR | European Patent Office | 2023

    Free access

    Tessy ermoeglicht Nachvollziehbarkeit von Testaenderungen

    Goppelt,G. / Hitex Development Tools,Karlsruhe,DE | Automotive engineering | 2006



    Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs basierend auf einer Anhaltegröße mithilfe maschineller Lernverfahren

    WIENSS ANDREAS / KLUG SILAS / MOIA ALESSANDRO et al. | European Patent Office | 2022

    Free access