Von Ralf Keuper
Aufgrund der hohen Anzahl der Identifizierungs- und Authentifizierungsvorgänge, die die vernetzte Wirtschaft mit sich bringt, scheint der Einsatz der Verfahren der Künstlichen Intelligenz, wie Machine Learning, als ultima ratio.
Dennoch gibt es auch hier einige Restriktionen, die zu beachten sind.
So kommt es immer wieder vor, dass Modelle des maschinellen Lernens voreingenommen sind, weshalb es zu Ausgrenzung, Diskriminierung und letztlich zu einem negativen Kundenerlebnis kommen kann[1]5 Ways To Keep AI Bias Out Of Online Identity Verification[2]Real Talk: Intersectionality and AI[3]No, the Google AI isn’t sentient, but it likely is racist and sexist, so Christina Luttrell[4]Christina Luttrell ist Chief Executive Officer von GBG Americas, bestehend aus Acuant und IDology[5]Responsible use of machine learning to verify identities at scale.
Durch das Trainieren eines ML-Systems mit historischen Daten werden Verzerrungen der Daten in die Modelle übertragen, was ein ernsthaftes Risiko darstellen kann. Sind die Training…
References
↑1 | 5 Ways To Keep AI Bias Out Of Online Identity Verification |
---|---|
↑2 | Real Talk: Intersectionality and AI |
↑3 | No, the Google AI isn’t sentient, but it likely is racist and sexist |
↑4 | Christina Luttrell ist Chief Executive Officer von GBG Americas, bestehend aus Acuant und IDology |
↑5 | Responsible use of machine learning to verify identities at scale |