Vorurteile erkennen und abschwächen

Es gibt zwar viele Möglichkeiten, wie Vorurteile in generative KI-Modelle eindringen können, aber es gibt auch viele Strategien und Techniken, um sie zu erkennen und abzumildern. Lass uns testen, ob du diese Techniken verstehst!

Diese Übung ist Teil des Kurses

<Kurs>Konzeptuelle Einführung in generative KI</Kurs>

Interaktive praktische Übung

Verwandle Theorie mit einer unserer interaktiven Übungen in die Praxis

Diese Übung ist Teil des Kurses

<Kurs>Konzeptuelle Einführung in generative KI</Kurs>

Geringe SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

Mache dich mit dem Konzept der generativen KI und ihrer Fähigkeit zur Inhaltserstellung vertraut – inklusive praktischer Anwendungsfälle und Grenzen. Du lernst die Unterschiede zwischen traditionellen Machine-Learning-Modellen, generativer KI und Artificial General Intelligence (AGI) kennen und erkundest die wichtigsten Treiber für die Entwicklung generativer KI.

Exercise 1: Was ist generative KI?Exercise 2: Generative KI kennenlernen Exercise 3: Arbeiten mit einem generativen KI-Modell Exercise 4: Anwendungen für generative KI Exercise 5: Generative KI in der Landschaft des maschinellen Lernens Exercise 6: Das richtige Werkzeug für jede Aufgabe Exercise 7: Unterscheidung: generative KI und traditionelles ML Exercise 8: Noch mehr Hunde und GANs Exercise 9: Die Entwicklung generativer KI Exercise 10: Das Feld vorantreiben Exercise 11: Transformatoren Exercise 12: Durchbrüche bei generativer KI

In diesem Kapitel behandeln wir die entscheidenden Schritte bei der Erstellung generativer KI-Modelle: Forschung und Design, Datenerhebung, Modelltraining und Evaluation. Wir beleuchten die Bedeutung vielfältiger Datensätze und fortgeschrittener Trainingsverfahren sowie verschiedene Evaluationsmethoden – jeweils mit ihren Stärken und Grenzen.

Exercise 1: Modelldesign und Datenerhebung Exercise 2: Forschung und Design Exercise 3: Ein unerwarteter Datensatz Exercise 4: Modelltraining Exercise 5: Einflussfaktoren beim Modelltraining Exercise 6: Techniken zur Entwicklung spezialisierter Modelle Exercise 7: Modellevaluierung Exercise 8: PixAIr-Animation Exercise 9: Hilfe für Intellibrand bei der Modellevaluierung

Dieses Kapitel konzentriert sich auf den verantwortungsvollen Einsatz generativer KI. Wir besprechen Herausforderungen und Strategien zur Verringerung sozialer Verzerrungen, Fragen zu geistigem Eigentum und Datenschutz sowie ethische Überlegungen zur Verhinderung von Missbrauch. Abschließend betrachten wir das enorme Potenzial und die Risiken von Artificial General Intelligence (AGI) sowie Ansätze, ihre Ergebnisse zu steuern.

Exercise 1: Soziale Vorurteile einschätzen und abmildern Exercise 2: Ursachen für Vorurteile Exercise 3: Vorurteile erkennen und abschwächen

Aktuelle Übung

Exercise 4: Urheberrecht und Eigentümerschaft Exercise 5: Rechtliche und datenschutzrelevante Überlegungen Exercise 6: Ansprüche auf geistiges Eigentum erkennen Exercise 7: Verantwortungsvolle generative KI-Anwendungen Exercise 8: Nutzungsprinzipien Exercise 9: Verantwortungsvolle KI-Praktiken einführen Exercise 10: Künstliche allgemeine Intelligenz (Artificial General Intelligence, AGI)Exercise 11: AGI-Merkmale Exercise 12: AGI-Ergebnisse

Kapitel 4 untersucht das Potenzial, die Auswirkungen und die Integration generativer KI in menschliche Arbeitsabläufe. Es behandelt zentrale Akteure der KI-Entwicklung – von Hochschulen bis Unternehmen – und beleuchtet, wie sich die Gesellschaft an KI anpasst. Zudem geht es um die Folgen für Produktivität, Arbeitswelt, Bildung, Medien, Unterhaltung, wissenschaftliche Fortschritte und ethische Fragestellungen.

Exercise 1: Neue KI für alte Arbeitsabläufe Exercise 2: Generative KI für die Datenwissenschaft nutzen Exercise 3: Entwurf einer neuen Marketingkampagne Exercise 4: Fortschritte der generativen KI Exercise 5: Open Source: ja oder nein?Exercise 6: Super Duper GANs Exercise 7: Bereit für die Zukunft mit generativer KI Exercise 8: Generative KI in der Bildung Exercise 9: Wertvolle Fähigkeiten in einer Welt mit KI Exercise 10: Du hast es geschafft!