Bei Machine-Learning-Ansätzen ist ein ganz großes Problem, dass man sehr gute Daten für das Training braucht, die aber oft nicht vorliegen oder nicht ausreichend großer Menge oder mit Verzerrungen und Bias. All das kann dazu führen, dass die Ausgaben von KI von schlechter Qualität sind.
Zu technischen Problemen hat Karsten da schon eine sehr gute Antwort gegeben. Um mal noch eine andere Perspektive dazu zu bringen: Es gibt auch noch rechtliche und gesellschaftliche Probleme: Zum Beispiel die Frage wer Schuld ist wenn die KI einen Fehler macht. Was wenn vielleicht sogar jemand zu Schaden kommt? Da müssen wir uns als Gesellschaft noch überlegen wie wir damit umgehen wollen. Denn eine KI die niemals einen Fehler macht, die wird es sehr wahrscheinlich, wie einen Menschen der keinen Fehler macht, nie geben.
Ich ergänze einfach noch mal eine Liste von technischen Stichpunkten, in die du mehr rein schauen kannst:
Datenqualität
Energieverbrauch/Rechenzeit
Fairness
Biases
Adversarial Examples/mangelnde Robustheit
Concept Drift
Privacy von Trainingsdaten
Kommentare