Eine KI die eine handgeschriebene Zahl richtig identifiziert ist nichts ungewöhnliches. In der Tat ist das trainieren eines solchen Modells die Einstiegsübung in zahlreiche KI- und Machine Learning Kurse. Das Modell, das in diesem Showcase zu sehen ist, zählt auch zu dieser Kategorie, und erreicht (auf Eingaben die es noch nie gesehen hat!) eine Genauigkeit von 99.2%. Zu sehen ist das im Balkendiagramm rechts, das die Einschätzung der KI widerspiegelt.
Doch was passiert, wenn man die eingegebene Zahl etwas verschiebt (also x, beziehungsweise y-offset verändert)? Hier gerät das Modell schnell in Schwierigkeiten. Was hier zu sehen ist, wird häufig als Sprödigkeit (brittleness) von KI-Modellen bezeichnet: Kleine Änderungen, die für den Menschen unbedeutend erscheinen, können große Auswirkungen auf die Ausgabe der KI haben.
Natürlich gibt es Möglichkeiten KIs schon beim Training gegen solche Störungen robust zu machen, doch das Phänomen selbst ist und bleibt ein Fakt des Deep Learning, also dem Trainieren von neuronalen Netzen, die man für solche Aufgaben verwendet. Die Frage, die sich bei der Qualitätssicherung von KI Anwendungen stellt, egal ob es um die Erkennung von Fußgängern oder um die Vorhersage von Börsenkursen geht, ist: Was wäre für diese Anwendung der Regler, der die KI ins stolpern bringt?
Durch systematische Teststrategien für KI-Anwendungen, die nicht zuletzt solche interaktiven Visualisierungen in der Art dieses Showcases beinhalten, bringen wir bei QualityMinds KI zur wahrer Qualität.