MÜNCHEN (IT BOLTWISE) – In der Welt der Künstlichen Intelligenz (KI) sind Benchmarks zu einem entscheidenden Maßstab für den Erfolg von Modellen geworden. Doch wie verlässlich sind diese Bewertungen wirklich?
- Die besten Bücher rund um KI & Robotik
präsentiert von Amazon! - Unsere täglichen KI-News von IT Boltwise® bei LinkedIn abonnieren!
- KI-Meldungen bequem via Telegram oder per Newsletter erhalten!
- IT Boltwise® bei Facy oder Insta als Fan markieren und abonnieren!
- AI Morning Podcast bei Spotify / Amazon / Apple verfolgen!
- RSS-Feed 2.0 von IT Boltwise® für KI-News speichern!
In der schnelllebigen Welt der Künstlichen Intelligenz (KI) sind Benchmarks zu einem entscheidenden Maßstab für den Erfolg von Modellen geworden. Doch wie verlässlich sind diese Bewertungen wirklich? Die jüngsten Ergebnisse von OpenAI, Google und Meta werfen Fragen auf. OpenAI behauptet, dass ihr Modell o3 auf dem ARC-AGI-Datensatz eine bahnbrechende Punktzahl von 75,7 Prozent erreicht hat. Google hingegen gibt an, dass ihr Gemini 2.0 Pro 79,1 Prozent auf dem MMLU-Pro-Test erzielte. Meta meldete für ihr Llama-3 70B sogar 82 Prozent auf einem 5-shot MMLU-Test.
Diese beeindruckenden Zahlen sind jedoch nicht ohne Kritik. Eine Gruppe von Forschern der Europäischen Kommission hat in einer umfassenden Studie die Vertrauenswürdigkeit solcher Benchmarks in Frage gestellt. Sie fanden heraus, dass viele dieser Tests mit systematischen Mängeln behaftet sind, die von Datenverunreinigungen bis hin zu fehlender Dokumentation reichen. Diese Probleme erinnern an die Praxis von Hardwareherstellern, die ihre eigenen Geräte benchmarken und die Ergebnisse in der Werbung verwenden.
Ein zentrales Problem ist die Manipulation von Testergebnissen, auch bekannt als „Sandbagging“. Dabei werden Modelle so programmiert, dass sie bei bestimmten Tests absichtlich schlechter abschneiden, um in anderen Bereichen besser zu wirken. Ein solches Vorgehen erinnert an den VW-Abgasskandal, bei dem Fahrzeuge so programmiert wurden, dass sie nur während der Tests die Emissionskontrollen aktivierten.
Die Bedeutung dieser Benchmarks geht über die technische Bewertung hinaus. Sie sind oft die Grundlage für regulatorische Entscheidungen, wie etwa im EU AI Act oder dem britischen Online Safety Act. In den USA wird in einem kürzlich veröffentlichten Rahmenwerk ebenfalls die Rolle von Benchmarks für die Bewertung und Klassifizierung von Modellen hervorgehoben.
Die Forscher identifizierten neun allgemeine Probleme mit Benchmarks, darunter die Unklarheit darüber, wie und von wem die Datensätze erstellt wurden, sowie die Tatsache, dass oft nicht das gemessen wird, was behauptet wird. Zudem wird kritisiert, dass Tests oft als Spektakel gestaltet sind, um Investoren zu beeindrucken, und dass sie bestimmte Forschungsmethoden und -ziele auf Kosten anderer verstärken.
In der Diskussion um die Zukunft der KI-Benchmarks fordern die Wissenschaftler mehr Transparenz, Fairness und Erklärbarkeit. Es sei wichtig, nicht nur die Erfolge, sondern auch die Misserfolge von Modellen zu verstehen, um deren tatsächliche Leistungsfähigkeit einschätzen zu können. Nur so können Benchmarks zu einem verlässlichen Instrument für die Bewertung von KI-Modellen werden.
Amazon-Trendangebote der letzten 24 Stunden mit bis zu 78% Rabatt (Sponsored)
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!
- Die Zukunft von Mensch und MaschineIm neuen Buch des renommierten Zukunftsforschers und Technologie-Visionärs Ray Kurzweil wird eine faszinierende Vision der kommenden Jahre und Jahrzehnte entworfen – eine Welt, die von KI durchdrungen sein wird
- Künstliche Intelligenz: Expertenwissen gegen Hysterie Der renommierte Gehirnforscher, Psychiater und Bestseller-Autor Manfred Spitzer ist ein ausgewiesener Experte für neuronale Netze, auf denen KI aufbaut
- Obwohl Künstliche Intelligenz (KI) derzeit in aller Munde ist, setzen bislang nur wenige Unternehmen die Technologie wirklich erfolgreich ein
- Wie funktioniert Künstliche Intelligenz (KI) und gibt es Parallelen zum menschlichen Gehirn? Was sind die Gemeinsamkeiten von natürlicher und künstlicher Intelligenz, und was die Unterschiede? Ist das Gehirn nichts anderes als ein biologischer Computer? Was sind Neuronale Netze und wie kann der Begriff Deep Learning einfach erklärt werden?Seit der kognitiven Revolution Mitte des letzten Jahrhunderts sind KI und Hirnforschung eng miteinander verflochten
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 "Warum KI-Benchmarks oft irreführend sind" 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.