- Autor
- TitelInteractive Machine Learning (iML)
- Datei
- DOI10.1007/s00287-015-0941-6
- Persistent Identifier
- Erschienen inInformatik-Spektrum
- Band39
- Erscheinungsjahr2016
- Heft1
- Seiten64-68
- LicenceCC-BY
- Download Statistik1935
- Peer ReviewJa
- AbstractWährend Machine Learning (ML) in vielen Domänen sehr gut funktioniert, wie die Leistung selbstfahrender Autos zeigt, bergen vollautomatisierte ML-Methoden in komplexen Domänen die Gefahr der Modellierung von Artefakten.<br/>Ein Beispiel für eine komplexe Domäne ist die Biomedizin, wo wir mit hochdimensionalen, probabilistischen und unvollständigen Datenmengen konfrontiert sind. In solchen Problemstellungen kann es vorteilhaft sein,<br/>nicht auf menschliches Domänenwissen zu verzichten, sondern vielmehr menschliche Intelligenz und ML zu kombinieren.