Tratamiento automatizado de datos

Calidad KI mediante DIN SPEC 92001-2

Maximilian Schneider

La norma DIN 92001 define un metamodelo de calidad a lo largo del ciclo de vida de la IA e identifica el rendimiento, la estabilidad, la funcionalidad y la trazabilidad de la IA como los objetivos generales de la garantía de calidad de la IA.

DIN SPEC 92001-2 está disponible al público desde diciembre de 2020. El documento, de más de 40 páginas, es extenso y detallado. En esta página encontrará un breve, aunque abreviado, resumen. Puede descargar el documento DIN completo aquí.

Este artículo ha sido traducido al alemán y se ha traducido automáticamente a otros idiomas. Nos complacerá recibir sus comentarios al final del artículo.

Definición de IA robusta

¿Qué es la IA robusta?

Una IA robusta debe ser resistente a las interferencias intencionadas de adversarios malintencionados y a las interferencias
no intencionadas por cambios en los datos de entrada. Ambas perturbaciones plantean un problema de seguridad.

La IA tiene que hacer frente a fallos, ruidos, desconocidos o
datos de entrada construidos. En entornos complejos, la robustez es un criterio clave de calidad de la IA. Incluso los módulos de IA más avanzados son propensos a este tipo de fallos. Cuando las empresas quieren que la IA sea sólida, deben centrarse en dos dimensiones.

  • Perturbación intencionada por adversarios perjudiciales
  • Mal funcionamiento involuntario debido a cambios en la introducción de datos

6 pasos para una mayor calidad de la IA

¿Cómo implantar un ciclo de calidad para la inteligencia artificial robusta basado en la norma DIN SPEC 92001-2?

  1. Las tareas que debe realizar la IA deben ajustarse a la propensión al riesgo de su organización.

  2. Definir lo que significa "fallo de IA" por tarea automatizada

  3. Identificar a los adversarios, pensar en posibles ataques y preparar estrategias de defensa

  4. Controla los datos de entrada y prepárate para reentrenar tu IA en función de los cambios de datos.

  5. Añade datos que causen errores a tus datos de prueba y calcula su impacto después de cada entrenamiento de la IA.

  6. Documente su estrategia y repita los pasos anteriores con regularidad

En noviembre, Informatik Aktuell en un extenso artículo sobre nuestro KI-Dreieck®, que se basa en la norma DIN SPEC 92001. Esto, al igual que nuestro software Konfuzio, ampliado continuamente para superar incluso las últimas exigencias de calidad y robustez.

Sobre mí

Más artículos interesantes

Herramientas PNL - Cómo procesan las empresas los conjuntos de datos de forma inteligente

Las empresas generan a diario enormes cantidades de datos no estructurados en casi todos los ámbitos empresariales. Para tomar decisiones fundamentadas basadas en estos...

Leer el artículo

Software para la administración pública y software para municipios

La administración pública actual se encuentra atrapada entre las exigencias contrapuestas de la eficiencia y el bienestar de los ciudadanos. En este contexto, la estructura clásica de...

Leer el artículo

Lista de comprobación empresarial para encontrar el mejor software de OCR

Encontrar un buen software de OCR puede ser una tarea difícil, ya que implica muchos aspectos críticos. Tenga en cuenta...

Leer el artículo

    Flecha arriba

    Este artículo ha sido traducido al alemán y se ha traducido automáticamente a otros idiomas. Nos complacerá recibir sus comentarios al final del artículo.

    Navegación