
Sign up to save your podcasts
Or
In dieser Podcast-Folge beleuchtet Michèle Wieland, Scientific AI Researcher, die verschiedenen Facetten der KI-Fairness.
Erfahre, wie Unternehmen voreingenommene KI umgehen können und warum Mitarbeitende auf KI sensibilisiert werden sollten.
Die Themen im Überblick:
(00:00) – Intro: Faire KI in der Praxis
(01:02) – Vorstellung Michèle Wieland
(01:59) – Warum ist Fairness im Bereich der künstlichen Intelligenz wichtig?
(02:47) – Wie fair ist KI?
(03:36) – Voreingenommene KI
(04:59) – Praxisbeispiele von voreingenommener KI
(07:12) – Was ist die Kern-Erkenntnis von Michèle aus ihrer Forschung?
(08:07) – Was müssen Unternehmen über die Verwendung von KI unbedingt wissen?
(11:18) – Wie können Unternehmen voreingenommene KI umgehen?
(13:36) – Kann man KI regulieren?
(16:13) – Auf welche Daten sollte KI nicht zugreifen dürfen?
(17:21) – Zusammenfassung
(18:27) – Darum muss man Mitarbeitenden auf KI sensibilisieren
(19:32) – Outro
In dieser Podcast-Folge beleuchtet Michèle Wieland, Scientific AI Researcher, die verschiedenen Facetten der KI-Fairness.
Erfahre, wie Unternehmen voreingenommene KI umgehen können und warum Mitarbeitende auf KI sensibilisiert werden sollten.
Die Themen im Überblick:
(00:00) – Intro: Faire KI in der Praxis
(01:02) – Vorstellung Michèle Wieland
(01:59) – Warum ist Fairness im Bereich der künstlichen Intelligenz wichtig?
(02:47) – Wie fair ist KI?
(03:36) – Voreingenommene KI
(04:59) – Praxisbeispiele von voreingenommener KI
(07:12) – Was ist die Kern-Erkenntnis von Michèle aus ihrer Forschung?
(08:07) – Was müssen Unternehmen über die Verwendung von KI unbedingt wissen?
(11:18) – Wie können Unternehmen voreingenommene KI umgehen?
(13:36) – Kann man KI regulieren?
(16:13) – Auf welche Daten sollte KI nicht zugreifen dürfen?
(17:21) – Zusammenfassung
(18:27) – Darum muss man Mitarbeitenden auf KI sensibilisieren
(19:32) – Outro
6 Listeners
5 Listeners
40 Listeners
47 Listeners
8 Listeners
16 Listeners
2 Listeners
14 Listeners
14 Listeners
3 Listeners
26 Listeners
10 Listeners
6 Listeners
7 Listeners
22 Listeners