Wissenschaftliche Methoden - Künstliche Intelligenz und Diskriminierung
Inhalt: Prozessentscheidungen, die auf Algorithmisierung und Automatisierung basieren, werden in der Öffentlichkeit als intransparente Black-Box-Systeme wahrgenommen. Die zugrunde liegende Künstliche Intelligenz (KI) wird von den betreibenden Unternehmen bewusst intransparent gehalten, um ökonomische Wettbewerbvorteile zu sichern und zu erweitern. Im Zuge der Trainings- und Test-Epochen von KI-Algorithmen ergeben sich nahezu immer Probleme bzgl. der Repräsentativität der vorhandenen Daten, die zu KI-Modellen führen, die offensichtlich diskriminierend/unfair sind. Praxisbeispiele umfassen u.a. Studienplatzvergabe, Kreditüberprüfung, Preisdifferenzierungspolitik, Crime Prediction, biased Google query results auf Basis von ethnischen Merkmalen etc.
Dieser Teil
der Wissenschaftlichen Methoden beleuchtet den Schattenkegel der
zugrunde liegenden KI, präziser die zugrunde liegenden Modelle des
Maschinellen Lernens (ML). Anhand
ausgewählter use cases u.a. aus HR Analytics, Banking oder Crime Prediction erlernen die Studierenden neben den formalen
Aspekten des Wissenschaftlichen Arbeitens Tools und Methoden des Maschinellen Lernens,
die sie in Teamarbeit einsetzen, um sowohl Vorhersagen zu erstellen als auch Algorithmen auf Fairness/Bias zu
analysieren. Dabei werden Methoden und Tools aus Statistik und ML, wie
z.B. in Angewandte Informatik (3. Semester) wiederholt,
erweitert und in der Software RStudio angewandt. Die erarbeiteten Ergebnisse resultieren in eine
schriftliche Ausarbeitung sowie eine Team-Präsentation mit
anschließender Diskussion.
Aus aktuellem Anlass werden ChatGPT und seine Alternativen basierend auf Generative Pretrained Transformers (GPT) auf ihr Potenzial sowohl für das Wissenschaftliche Arbeiten als auch in der Verhinderung von KI-Diskriminierung ausgelotet.
Disclaimer: Obiger Text wurde ohne Hilfe von ChatGPT erstellt.
Leistungsnachweis: Seminararbeit und Teampräsentation
Termin der Veranstaltung: Dienstags, 11.40 Uhr - 13.10 Uhr
Anmeldung: wird zentral von den Studiengangskoordinatoren in März kommuniziert
- Dozent/in: Jianing Zhang