Maschinelles Lernen für hochriskante Anwendungen

Kapitel 12. Wie man beim risikoreichenmaschinellen Lernen erfolgreich ist

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Während künstliche Intelligenz und maschinelles Lernen seit Jahrzehnten erforscht und in einigen Bereichen fast ebenso lange eingesetzt werden, stehen wir bei der Einführung von ML in der breiten Wirtschaft noch am Anfang. ML ist eine oft unausgereifte und manchmal hochriskante Technologie. ML ist aufregend und vielversprechend, aber es ist keine Magie, und Menschen, die ML anwenden, haben keine magischen Superkräfte. Wir und unsere ML-Technologien können fehlschlagen. Wenn wir erfolgreich sein wollen, müssen wir die Risiken unserer Systeme proaktiv angehen.

In diesem Buch haben wir technische Risikominderungsmaßnahmen und einige Governance-Ansätze vorgestellt. In diesem letzten Kapitel möchten wir dir einige Ratschläge mit auf den Weg geben, die dich dazu befähigen sollen, auch schwierigere ML-Probleme in Angriff zu nehmen. Allerdings werden unsere Empfehlungen wahrscheinlich nicht einfach sein. Das Lösen schwieriger Probleme erfordert fast immer harte Arbeit. Das ist auch bei ML nicht anders. Wie sind wir in risikoreichen Technologieprojekten erfolgreich? Normalerweise nicht, indem wir schnell handeln und Dinge kaputt machen. Das mag zwar bei fehlerhaften sozialen Apps und einfachen Spielen gut funktionieren, aber so sind wir nicht auf den Mond gekommen, fliegen nicht sicher ...