Kausalkammern für eine zuverlässige KI?
06. April 202500:05:58
An der ETH Zürich wurden unter der Leitung von Juan Gamella sogenannte «Kausalkammern» – innovative Mini-Labore – entwickelt, um KI-Modelle unter realitätsnahen Bedingungen zu testen. Diese physikalischen Testumgebungen ermöglichen eine präzise Überprüfung von Algorithmen anhand realer Phänomene wie Licht oder Wind, vergleichbar mit einem Windkanal im Flugzeugbau.Dies markiert einen entscheidenden Fortschritt in der Qualitätskontrolle von KI, insbesondere für sicherheitskritische Anwendungen in Medizin, Robotik oder Ingenieurwesen. Während moderne Modelle wie GPT-4o oder DeepSeek an den Grenzen der Rechenlogik arbeiten, bleibt die zentrale Herausforderung: echtes Weltverständnis in KI zu verankern. Die Kausalkammern bieten dafür einen vielversprechenden Ansatz – durch messbare Realität statt synthetische Daten.Verlässliche KI betrifft uns alle – von Entwickler:Innen bis zur Gesellschaft. Vertrauen entsteht nur, wenn Systeme kausal, robust und kontextsensibel agieren.Mehr dazu:Artikel: ETH Zürich NewsVideo: YouTube-LinkBei Fragen: #fragRoger: http://roger.social/Abonnier auch meinen Newsletter: www.fragroger.socialOder schau bei uns in der KI Community: https://www.ki-update.com Und wenn Du mehr KI anwenden willst, melde dich gerne bei mir: https://top-speakers.ch/roger-l-basler-de-roca/Wer bin ich?Roger Basler de Roca | Msc Digital Business | Phd Candidate. Als Digital Unternehmer, Buch Autor und Top 100 Speaker und Trainer bin ich mit Leidenschaft in digitalen Welten unterwegs, mit einer Vorliebe für Künstliche Intelligenz und Algorithmen seit über 25 Jahren.Zu meinen Spezialgebieten gehört der Aufbau von digitalen Geschäftsmodellen und Wachstumsmodellen durch educational consulting.
Begriffe aus dieser Episode
- Künstliche Intelligenz (KI)Sammelbegriff für Systeme, die Aufgaben lösen, für die man sonst menschliche Intelligenz erwarten würde.
- Large Language Model (LLM)Sehr grosses Sprachmodell, das Text Wort für Wort auf Basis von Wahrscheinlichkeiten erzeugt.
- Deep LearningMaschinelles Lernen mit vielschichtigen neuronalen Netzen.
- KontextfensterMaximale Menge an Token, die ein Modell in einem Durchgang berücksichtigen kann.
- Retrieval Augmented Generation (RAG)Verfahren, bei dem ein Modell vor der Antwort passende Dokumente sucht und diese mitliefert.