Warum KI-Modelle in der Praxis oft versagen
Künstliche Intelligenz (KI), die auf maschinellem Lernen basiert, bietet Chancen für die Lebenswissenschaften. In der Praxis zeigen sich aber immer wieder Probleme. Eine Ursache hierfür ist data leakage, also der unerwünschte Transfer von Informationen zwischen Trainings- und Testdaten. Forschende der Technischen Universität München (TUM), der Hochschule Weihenstephan-Triesdorf (HSWT) und weiterer Forschungseinrichtungen plädieren nun in einem Leitfaden für mehr interdisziplinäre Zusammenarbeit. Im Gespräch erklären Dominik Grimm, Professor für Bioinformatik, und Markus List, Professor für Data Science in Systems Biology, warum es wichtig ist, dieses Problem jetzt engagiert anzugehen.