KI-Modelle lernen aus Daten – aber müssen es wirklich immer möglichst viele sein? Unsere neue interaktive Demo zeigt, wie sogenanntes Active Learning dabei helfen kann, gezielt diejenigen Daten auszuwählen, von denen ein Modell besonders viel lernen kann.
Das Prinzip lässt sich direkt ausprobieren: In der Demo soll der Bremsweg eines Autos anhand von Gewicht und Geschwindigkeit vorhergesagt werden. Zunächst stehen dafür nur wenige Messpunkte zur Verfügung. Dann ist die entscheidende Frage: Welche zusätzlichen Messungen wären besonders hilfreich, um die Vorhersage des Modells zu verbessern?
Genau hier kommt Aktives Lernen ins Spiel. Statt wahllos neue Daten zu sammeln, schlägt das Verfahren gezielt Beispiele vor, die besonders informativ erscheinen. In unserer Demo können Nutzer*innen selbst Messpunkte auswählen und ausprobieren, ob ihre Strategie besser funktioniert als die des Algorithmus.
Du willst noch tiefer eintauchen?