Wer eine KI-Störungsbehebung entwickelt, begibt sich zuweilen hinauf eine Reise ins Ungewisse. Zumindest am Zustandekommen wissen Forschende und Gestalter:medial nicht immer, ob ihre Algorithmen und KI-Modelle wie erwartet laufen oder ob die KI am Finale gar Fehler macht. Mitunter schneiden KI-Anwendungen, die in welcher Theorie gut funktionieren, unter realen Bedingungen schlecht ab. Um dies Vertrauen welcher Nutzenden zu Vorteil verschaffen, sollte eine KI jedoch zuverlässig und triftig funktionieren (vgl. ETH Magazin Globe, 18.03.2025). Dasjenige gilt pro populäre Chatbots genauso wie pro KI-Tools in welcher Wissenschaft.
Im Vorfeld ein neues KI-Tool in welcher realen Welt zum Kapitaleinsatz kommt, muss es gründlich getestet werden. Tests in welcher realen Welt können jedoch ein teures oder sogar riskantes Unterfangen sein. Von dort testen Forschende ihre Algorithmen oft in Computersimulationen welcher Wirklichkeit. Da Simulationen jedoch Annäherungen an die Wirklichkeit darstellen, kann sie Erscheinungsform, KI-Lösungen zu testen, dazu münden, die Leistung einer KI zu überschätzen. Dieser ETH-Mathematiker Juan Gamella hat nun vereinen neuen Arbeitsweise in welcher Zeitschrift «Nature Machine Intelligence» vorgestellt, mit dem Forschende prüfen können, wie zuverlässig und einwandfrei ihre Algorithmen und KI-Modelle laufen. Ein KI-Schema beruht hinauf bestimmten Annahmen und wird darauf trainiert, aus Information zu lernen und gegebene Aufgaben intelligent zu erledigen. Ein Algorithmus umfasst die mathematischen Reglementieren, die dies KI-Schema befolgt, um eine Verpflichtung zu hauen.
KI prüfen statt überschätzen
Juan Gamella hat spezielle Vorschaubild-Labors («Wenigstens-Labors») gebaut, die sich wie Prüfstand pro neue KI-Algorithmen eignen. «Die Wenigstens-Labors stellen eine flexible Testumgebung in petto, die echte Messdaten liefert. Sie sind ein kleinster Teil wie ein Experimentierfeld pro Algorithmen, in dem Forschende ihre KI gut simulierte Information hinaus in einer kontrollierten und sicheren Umgebung testen können», sagt Gamella. Die Wenigstens-Labors basieren hinauf wohlbekannter Physik, sodass die Forschenden dieses Wissen nutzen können, um zu revidieren, ob ihre Algorithmen pro eine Vielzahl von Problemen zur richtigen Störungsbehebung gelangen. Versagt eine KI im Test, können die Forschenden die zugrunde liegenden mathematischen Annahmen und Algorithmen präzise und Tagesanbruch in welcher Evolution verbessern.
Gamellas erste Wenigstens-Labors beruhen hinauf zwei physikalischen Systemen, die essenzielle Eigenschaften vorlegen, sodass viele KI-Tools unter realen Bedingungen mit ihnen zurechtkommen zu tun sein: Wie sich die Wenigstens-Labors genau einsetzen lassen, hängt von welcher jeweils zu prüfenden Fragestellung ab, und davon, welches welcher Algorithmus leisten soll. Dasjenige eine Wenigstens-Laboratorium von ihm enthält zum Sichtweise ein dynamisches System wie Wind, dies sich ständig verändert und hinauf äußere Einflüsse reagiert. Es lässt sich verwenden, um KI-Tools pro Steuerungsprobleme zu testen. Sein zweites Wenigstens-Laboratorium befolgt gut bekannte physikalische Gesetze pro Licht. Es lässt sich dazu verwenden, um eine KI zu testen, die solche Gesetze selbsttätig aus Information lernen soll, um damit Wissenschaftler:medial nebst neuen Entdeckungen zu unterstützen
