Diskussion:Deep Learning
Stimmt: {{Lückenhaft}}
BearbeitenBenutzer:Icy2008 hat recht, mein Artikel ist fast eine Frechheit. Vorher allerdings gab es nur eine Leerseite zu diesem extrem zukunftweisenden Thema. Darum habe ich diesen schlechten Zustand durch die Fast-Frechheit verbessert, ohne mich dabei als Englisch-Übersetzer zu versuchen.
Meine Quellen sind die verlinkten Artikel und ein bisschen Uni-Wissen. Hoffentlich wird der Artikel bald von größeren Experten als mir aufgepolstert. KNN-Nerds willkommen :) (nicht signierter Beitrag von 79.201.198.153 (Diskussion) 13:19, 3. Nov. 2016 (CET))
Benutzer:Gressling leider muss ich ihnen Zustimmen, ich finde es überheblich und arrogant das Wort 'Frechheit' in der Diskussion eines Wikipedia-Artikels zu verwenden. Wenn ich wüsste, wie und wo man jemanden hier melden könnte (Icy2008) würde ich es tun. Genau so ein Verhalten vergrault so viele Mitgestalter hier und trägt zu dem schlechten Ruf unserer Community bei. Und ja, der Artikel wird wachsen. (20:03, 5. Nov. 2016 (CET), Datum/Uhrzeit nachträglich eingefügt, siehe Hilfe:Signatur)
- Der Baustein "Lückenhaft" ist dazu da, um auf gravierende, jedoch genau spezifizierte Lücken hinzuweisen. Kein allgemeines "hmm, der Artikel könnte ein bisschen länger sein". Im übrigen hat der englischsprachige Artikel, der hier als "Vorbild" gehandelt wird, einen Baustein, weil der Text viel zu ausschweifend und abseits des für normale Leser verständlichen ist. Das ist immer die Gefahr, wenn man meint, möglichst viele Details in den Artikel reinzuklopfen. Manchmal ist weniger mehr, vor allem auch, da ja "Deep Learning" nur das Schlagwort für andere Techniken wie tiefe neuronale Netze ist. Soll hier also das, was dort schon steht, nochmal beschrieben werden? Sicherlich kann der Artikel an vielen Stellen verbessert werden, aber das ist in der Wikipedia so üblich. Kaum ein Artikel ist zu 100% perfekt. Aber Bausteine gibt es nur, wenn etwas konkret falsch ist oder die Lücken dazu führen, dass das Thema gravierend verzerrt (!) dargestellt wird. --TheRandomIP (Diskussion) 22:58, 10. Sep. 2017 (CEST)
Abgrenzung Machine Learning
BearbeitenEs erscheint dringend eine Abgrenzung vom Begriff des Machine Learning erforderlich.(nicht signierter Beitrag von 217.70.132.222 (Diskussion) 20:08, 25. Jun. 2019 (CEST))
- Habe ich versucht kurz am Anfang einzufügen. Erledigt --rugk (Diskussion) 22:00, 7. Dez. 2019 (CET)
- Ergänzt auch in dem anderen Artikel: Versionsunterschied --rugk (Diskussion) 22:04, 7. Dez. 2019 (CET)
Komplexität und Grenzen der Erklärbarkeit
BearbeitenDer erste Absatz ist noch gut verständlich, aber dann zerfasert es irgendwie in schwer lesbaren Sätzen:
Je mehr Daten in einem Opaque-System verwendet werden (Big Data), umso eher wird die künstliche Intelligenz ein Wertesystem für sich selbst entwickeln, welche die Menschen nicht mehr verstehen können. Ein T-Switch ermöglicht es, bewusste Entscheidungen durch die Opake KI zu erlauben und an welcher Stelle man auf Transparenz bestehen sollte.
Alles in allem betrachtet hat Opake KI einen Nachteil: Im Jahr 2016 hat Microsoft ein Experiment durchgeführt. In weniger als in 24 Stunden wurden sehr negative Ergebnisse bei der Veröffentlichung von einem Twitter Chatbot namens Tay erzielt.
Transparente KI hingegen unterstützt eine exakte Erklärung. So kann immer die Entscheidung nachvollzogen werden.
- Um was für eine Art von Wertesystem geht es hier, und warum ist das ein Problem, wenn Menschen es nicht verstehen?
- Ein T-Switch ermöglicht es (...) an welcher Stelle man auf Transparenz bestehen sollte. Ich verstehe den Satz leider nicht. Vielleicht "Ein T-Switch ermöglicht es, zu entscheiden, an welcher Stelle man auf Transparenz bestehen sollte". Aber auf Transparenz an einer x-beliebigen Stelle kann ich immer bestehen, dafür brauche ich keinen T-Switch. Den T-Switch brauche ich für die Umsetzung. Aber das passt dann wieder nicht mit dem schwach formulierten Konjunktiv "sollte" zusammen. ("Die Bremse ermöglicht dem Autofahrer zu entscheiden, wo man bremsen sollte" - würde man so nicht schreiben, oder?)
- Der Nachteil der Opaken KI ist nicht, dass MS 2016 ein Experiment durchgeführt hat und negative Ergebnisse erzielte. Eventuell hat das Experiment einen Nachteil aufgezeigt. Dann müsste man noch ein paar Worte mehr verlieren, was genau das Problem war, warum es mit der Opaken KI zu tun hat und welche Schlüsse sich daraus ziehen lassen.
- "So kann immer die Entscheidung nachvollzogen werden" - geht es wirklich immer um Entscheidungen? Und was genau heißt "nachvollzogen"? Da die Definition von XAI noch nicht mal feststeht (ist das noch so?), erscheint mir das in der Absolutheit etwas übermütig.
Vielleicht mag mal jemand den Abschnitt überarbeiten, der/ die da wirklich auf Stand ist. Ich kann das leider mangels Sachkenntnis nicht verbessern.