Forschende der McGill University haben eine energieeffizientere Methode entwickelt, KI-Systeme zu bauen, die ihre eigene Unsicherheit messen und mitteilen können.Dieses Signal könnte Menschen helfen zu entscheiden, wann ein KI-System von Menschen überprüft werden muss, wann es mehr Informationen braucht oder wann es unter Bedingungen arbeiten soll, die von dem abweichen, was es gelernt hat.Das Team entwickelte eine effizientere Version eines Bayesschen neuronalen Netzes, eines Systems, das seine Einstellungen als Wahrscheinlichkeiten darstellt und so abschätzen kann, wie sicher es sich ist.In einem Experiment kam der neue Ansatz mit etwa 33-mal weniger Parametern aus als eine gängige Methode zur Schätzung von Unsicherheit und behielt dabei eine starke Vorhersageleistung bei.Die Forschung wurde von der Doktorandin Mame Diarra Touré unter der Betreuung von Professor David A. Stephens geleitet und auf der begutachteten Konferenz ICML 2026 vorgestellt.
Global Good News Daily · Wissenschaft & Technik
Forschende der McGill University fanden einen schlankeren Weg, wie KI Unsicherheit erkennen kann
Eine neue Methode könnte KI-Systemen helfen anzuzeigen, wann sie sich unsicher sind, damit Menschen wissen, wann ein Mensch genauer hinschauen sollte.
Technik ist nützlicher, wenn sie zugeben kann, was sie nicht weiß. Eine schlankere Methode, KI mit Bewusstsein für Unsicherheit zu bauen, könnte es erleichtern, sorgfältige menschliche Aufsicht in künftige Systeme einzubeziehen.
Diese Geschichte wurde anhand eines Originalberichts überprüft. Quelle: McGill University
Originalquelle ansehen →Wenn Ihnen Geschichten wie diese wichtig sind …
GGND ist ein kleines, unabhängiges Team. Eine hauptberuflich im Journalismus tätige Person stellt sicher, dass jede Geschichte überprüft und mit Sorgfalt erzählt wird. Eine kleine monatliche Spende hilft uns, weiter Geschichten wie diese zu finden.
Gute Nachrichten unterstützen

