Startseite / Perspektiven / Built In: Was sind Fundamentmodelle? Möchten Sie mehr erfahren? KONTAKT Kontakt Vorname*Nachname*Name des Unternehmens*Arbeits-E-Mail* Womit können wir Ihnen helfen?*Wie haben Sie von uns erfahren?Ich bin damit einverstanden, Marketingmitteilungen von Orion Innovation zu erhalten.* Ich bin damit einverstanden, Marketingmitteilungen von Orion Innovation zu erhalten. Wir verpflichten uns, Ihre Privatsphäre zu schützen und zu respektieren. Für mehr Informationen lesen Sie bitte unsere Datenschutzrichtlinie. Wenn Sie damit einverstanden sind, dass wir Sie zu diesem Zweck kontaktieren, setzen Sie bitte oben ein Häkchen. Indem Sie unten auf Registrieren klicken, erklären Sie sich damit einverstanden, dass Orion Innovation die oben angegebenen Informationen speichert und verarbeitet, um Ihnen die gewünschten Inhalte zu liefern.PhoneDieses Feld dient zur Validierung und sollte nicht verändert werden. Startseite / Perspektiven / Built In: Was sind Fundamentmodelle? Es folgt ein Auszug aus einem Artikel, der auf Built In veröffentlicht wurde und Zitate von Rajul Rana, dem Chief Technology Officer von Orion, enthält. Was sind die Herausforderungen von Fundamentmodellen? Fundamentmodelle dienen als solider Ausgangspunkt für die KI-Entwicklung, sind jedoch nicht fehlerfrei. Als einzelner Fehlerpunkt können sich Fehler, Schwachstellen und Verzerrungen innerhalb eines Modells auf alle darauf aufbauenden KI-Produkte ausbreiten und die Risiken verstärken. Mangelnde Interpretierbarkeit Die Funktionsweise und die Entscheidungsprozesse von Fundamentmodellen sind oft nicht gut verstanden – selbst von den Menschen, die sie tatsächlich erstellen –, was es schwierig macht, festzustellen, wie und warum sie zu bestimmten Schlussfolgerungen gelangen. „Das sind kleine Black Boxes“, sagte Rajul Rana, Chief Technology Officer beim IT-Dienstleistungsunternehmen Orion Innovation, gegenüber Built In. “Wir wissen ungefähr, wie sie funktionieren, aber [wir] wissen nicht genau, warum sie bestimmte Ergebnisse erzeugen.“ Dieser Mangel an Interpretierbarkeit kann es schwierig machen, den Ergebnissen von Fundamentmodellen zu vertrauen oder Fehler zu korrigieren, was massive Folgen haben kann – insbesondere, da sie in unser tägliches Leben eingebettet sind, von der Gesichtserkennungssoftware zum Entsperren von Telefonen bis hin zu den Einstellungsalgorithmen, die Unternehmen zur Überprüfung von Bewerbern verwenden. Rajul Rana, Chief Technology Officer Den vollständigen Artikel lesen Sie auf builtin.com Autor Rajul Rana Vorstand für Technologie COIs Generative KI
Artikel InfoWorld: Was ist ein Data Mesh? Der Leiter für Daten und Analysen bei Orion gibt eine Erklärung.