KI-Vorhersagen unter Unsicherheit

KI-basierte Unsicherheitsbewertung für zuverlässige Entscheidungen

Ein neues System zur Unsicherheitsausbreitung in neuronalen Netzen verspricht eine höhere Genauigkeit und Sicherheit bei der Verarbeitung von Sensordaten – von autonomen Fahrzeugen bis hin zur medizinischen Diagnose.

Ein autonomes Fahrzeug nutzt KI, um Sensordaten von Kameras, Lidar und Radar in Echtzeit zu verarbeiten. Fehlerhafte Daten, z. B. bei schlechtem Wetter, können jedoch das Unfallrisiko erhöhen. In realen Umgebungen sind Sensordaten oft fehlerhaft. Je komplexer das System, desto unsicherer sind die Vorhersagen der KI-Modelle.

Projektziele

Das Hauptziel des Projekts ist die Entwicklung eines Systems zur analytischen Propagierung von zufälliger Unsicherheit (d.h. Unsicherheit in den Daten) in neuronalen Netzen, das es ermöglicht:

  • das Konfidenzniveau der Ergebnisse von KI-Modellen zu bewerten,
  • die Sicherheit und Zuverlässigkeit von Entscheidungen, die auf KI-Modellen basieren, zu verbessern und
  • KI-Modelle in verschiedenen kritischen Anwendungen einzusetzen: von der Medizin bis zu Finanzsystemen.

Technische Beschreibung

Das Projekt basiert auf den Prinzipien der analytischen Unsicherheitsausbreitung, die es erlaubt, Unsicherheiten in Eingabedaten (z.B. Messfehler) über ein neuronales Netzwerk auszubreiten und in jedem Schritt den Grad der Unsicherheit in den Ausgabedaten zu berechnen. Unser Ansatz erfordert kein erneutes Training des Modells, kann auf eine Vielzahl von neuronalen Netzwerkarchitekturen angewendet werden, von vollständig verbundenen Netzwerken bis hin zu Transformatoren, und eignet sich für die Verarbeitung einer Vielzahl von Datentypen, einschließlich Bildern, Zeitreihen und numerischen Arrays.

Anwendungsbeispiele:

  1. Medizin: Abschätzung der Zuverlässigkeit von Vorhersagen neuronaler Netze bei der Diagnose von Krankheiten, der Analyse medizinischer Bilder oder der Auswahl von Medikamentendosierungen, um Ärzten fundiertere Entscheidungen zu ermöglichen.
  2. Autonome Systeme: Anwendung in unbemannten Fahrzeugsteuerungssystemen zur Bewertung der Unsicherheit von Sensordaten, wodurch das Unfallrisiko verringert und die Entscheidungsgenauigkeit verbessert wird.
  3. Finanzmärkte: Vorhersage von Aktienkursen auf der Grundlage von Datenunsicherheit zur Risikominderung und Verbesserung der Kapitalrendite.
Ein Arzt im OP-Anzug prüft die KI-Vorhersage der virtuellen Struktur eines neuen Virus.

Vorteile für KI-Modelle

Die Anwendung der analytischen Unsicherheitsausbreitung auf KI-Modelle bietet erhebliche Vorteile, u.a.:

  • Geringeres finanzielles Risiko durch genauere Vorhersagen in Wirtschaft, Finanzen und Handel;
  • Genauere Entscheidungen in der Medizin durch weniger Fehldiagnosen und mehr Vertrauen der Patienten in KI-Systeme;
  • Geringere Produktionskosten durch verbesserte Produktqualitätskontrolle und Fehlervermeidung; und
  • Erhöhte Sicherheit in autonomen Systemen durch Verbesserung der Zuverlässigkeit von KI-Entscheidungen in unsicheren oder dynamischen Umgebungen.

Wollen Sie jetzt Ihren ersten Termin festlegen?

Nach oben scrollen