AI-Austauschkreis

人工智能公平性是确保人工智能系统在设计、开发、部署和运行的整个生命周期中，能以公正、无偏见的方式对待所有个体和群体的跨学科领域。

元学习（Meta-Learning），或称为学习如何学习，是机器学习领域的重要分支，专注于开发能快速适应新任务的学习算法。

Die Sicherheit von Künstlicher Intelligenz (KI-Sicherheit) ist ein hochmodernes interdisziplinäres Gebiet, auf dem es darum geht, sicherzustellen, dass KI-Systeme, insbesondere solche, die immer leistungsfähiger und autonomer werden, während ihres gesamten Lebenszyklus zuverlässig und vorhersehbar im Einklang mit den menschlichen Absichten handeln, ohne schädliche Folgen.

Selbstüberwachtes Lernen (Self-Supervised Learning, SSL) ist ein aufkommendes Lernparadigma im Bereich des maschinellen Lernens, bei dem die Kernidee darin besteht, automatisch überwachte Signale aus unmarkierten Daten zu erzeugen und Modelle zu trainieren, um nützliche Darstellungen der Daten zu lernen.

Künstliche Superintelligenz (Artificial Super Intelligence, ASI) ist ein intelligentes System, das die menschliche Intelligenz übertrifft, mit Fähigkeiten, die die des Menschen in allen Bereichen übertreffen, einschließlich Kognition, Kreativität, Problemlösung und Entscheidungsfindung.

Transfer Learning (TL) ist ein wichtiger Zweig im Bereich des maschinellen Lernens. Die Kernidee besteht darin, das aus einer Aufgabe oder einem Bereich gelernte Wissen auf eine andere verwandte, aber andere Aufgabe oder einen anderen Bereich anzuwenden.

KI-Governance ist ein umfassender Rahmen, der Technologie, Ethik, Recht und Gesellschaft abdeckt und den gesamten Lebenszyklus von KI-Systemen - von der Konzeption über die Entwicklung und den Einsatz bis hin zur Endnutzung - wirksam steuert, verwaltet und überwacht. Das Hauptziel besteht nicht darin, technologische Innovationen zu behindern, sondern sicherzustellen, dass die Entwicklung und Anwendung von KI-Technologien...

Semi-überwachtes Lernen ist ein wichtiger Zweig im Bereich des maschinellen Lernens, bei dem eine kleine Menge etikettierter Daten und eine große Menge nicht etikettierter Daten zum Co-Training eines Modells verwendet werden, um den Lerneffekt und die Generalisierungsfähigkeit zu verbessern.

Unüberwachtes Lernen (ULS) ist ein wichtiger Zweig des maschinellen Lernens, der sich auf die Verarbeitung von Datensätzen konzentriert, die nicht voretikettiert sind.

Verstärkungslernen ist ein wichtiger Zweig des maschinellen Lernens, bei dem es darum geht, dass Intelligenzen autonom lernen, wie sie optimale Entscheidungen treffen können, um durch kontinuierliche Interaktion mit ihrer Umgebung den langfristigen kumulativen Nutzen zu maximieren.