JENA / MÜNCHEN (IT BOLTWISE) – Die Fähigkeit, zwischen echten und KI-generierten Bildern zu unterscheiden, wird zunehmend schwieriger, wie eine aktuelle Studie der Universität Jena zeigt.
- Unsere KI-News von IT Boltwise® bei LinkedIn abonnieren!
- AI Morning Podcast bei Spotify / Amazon / Apple verfolgen!
- KI-Meldungen bequem via Telegram oder per Newsletter erhalten!
- IT Boltwise® bei Facebook als Fan markieren und abonnieren!
- RSS-Feed 2.0 von IT Boltwise® für KI-News speichern!
Die Unterscheidung zwischen echten und KI-generierten Bildern stellt selbst Experten vor Herausforderungen. Eine Studie der Universität Jena hat gezeigt, dass Menschen zwar intuitiv schneller die richtige Zuordnung treffen, jedoch oft unsicher sind. Die Studie mit dem Titel „Experten können KI-generierte histologische Daten nicht zuverlässig erkennen“ untersuchte, wie gut 800 Teilnehmer, darunter 526 als „Experten“ eingestufte Personen, echte von künstlichen Gewebeschnittbildern unterscheiden konnten.
In der modernen Histopathologie werden zunehmend Deep-Learning-Algorithmen eingesetzt, um Pathologen bei der Erkennung von Anomalien wie Krebs zu unterstützen. Diese Algorithmen benötigen umfangreiche Datensätze, die sowohl echte als auch synthetische Bilder umfassen können. Die Verwendung von KI-generierten Bildern im Training ist jedoch umstritten, da die Gefahr von Täuschungen besteht.
Die Studie zeigte, dass die Experten in 70 Prozent der Fälle die Bilder korrekt einordneten, während die Laien nur in 55 Prozent der Fälle richtig lagen. Interessanterweise wurden KI-Bilder, die mit weniger echten Bildern trainiert wurden, häufiger als nicht echt erkannt. Dies deutet darauf hin, dass die Qualität und Quantität der Trainingsdaten entscheidend für die Erkennungsfähigkeit sind.
Ein bemerkenswerter Aspekt der Studie war die Beobachtung, dass korrekte Entscheidungen signifikant schneller getroffen wurden als falsche. Dies steht im Einklang mit Modellen der wahrnehmungsbasierten Entscheidungsfindung, die darauf hinweisen, dass intuitive Urteile oft schneller und präziser sind.
Mit der Weiterentwicklung von generativen Algorithmen wird es für Menschen immer schwieriger, KI-generierte Inhalte zu erkennen. Die Studienautoren empfehlen daher die Einführung technischer Standards zur Sicherstellung der Datenherkunft und den Einsatz automatisierter Tools zur Erkennung gefälschter Bilder.
Die Ergebnisse der Studie unterstreichen die Notwendigkeit, die Ausbildung von Fachleuten im Umgang mit KI-generierten Daten zu verbessern und die Entwicklung von Technologien zur Erkennung solcher Inhalte voranzutreiben. Dies ist besonders wichtig, um Betrug in wissenschaftlichen Publikationen zu verhindern und die Integrität der Forschung zu gewährleisten.
Ergänzungen und Infos bitte an die Redaktion per eMail an de-info[at]it-boltwise.de. Bitte vergiss nicht in deiner eMail die Artikel-Headline zu nennen: "Herausforderungen bei der Erkennung von KI-generierten Gewebebildern".
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Herausforderungen bei der Erkennung von KI-generierten Gewebebildern" für unsere Leser?
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Herausforderungen bei der Erkennung von KI-generierten Gewebebildern" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.