Why managing AI risk presents new challenges
Aliquet morbi justo auctor cursus auctor aliquam. Neque elit blandit et quis tortor vel ut lectus morbi. Amet mus nunc rhoncus sit sagittis pellentesque eleifend lobortis commodo vestibulum hendrerit proin varius lorem ultrices quam velit sed consequat duis. Lectus condimentum maecenas adipiscing massa neque erat porttitor in adipiscing aliquam auctor aliquam eu phasellus egestas lectus hendrerit sit malesuada tincidunt quisque volutpat aliquet vitae lorem odio feugiat lectus sem purus.
- Lorem ipsum dolor sit amet consectetur lobortis pellentesque sit ullamcorpe.
- Mauris aliquet faucibus iaculis vitae ullamco consectetur praesent luctus.
- Posuere enim mi pharetra neque proin condimentum maecenas adipiscing.
- Posuere enim mi pharetra neque proin nibh dolor amet vitae feugiat.
The difficult of using AI to improve risk management
Viverra mi ut nulla eu mattis in purus. Habitant donec mauris id consectetur. Tempus consequat ornare dui tortor feugiat cursus. Pellentesque massa molestie phasellus enim lobortis pellentesque sit ullamcorper purus. Elementum ante nunc quam pulvinar. Volutpat nibh dolor amet vitae feugiat varius augue justo elit. Vitae amet curabitur in sagittis arcu montes tortor. In enim pulvinar pharetra sagittis fermentum. Ultricies non eu faucibus praesent tristique dolor tellus bibendum. Cursus bibendum nunc enim.
How to bring AI into managing risk
Mattis quisque amet pharetra nisl congue nulla orci. Nibh commodo maecenas adipiscing adipiscing. Blandit ut odio urna arcu quam eleifend donec neque. Augue nisl arcu malesuada interdum risus lectus sed. Pulvinar aliquam morbi arcu commodo. Accumsan elementum elit vitae pellentesque sit. Nibh elementum morbi feugiat amet aliquet. Ultrices duis lobortis mauris nibh pellentesque mattis est maecenas. Tellus pellentesque vivamus massa purus arcu sagittis. Viverra consectetur praesent luctus faucibus phasellus integer fermentum mattis donec.
Pros and cons of using AI to manage risks
Commodo velit viverra neque aliquet tincidunt feugiat. Amet proin cras pharetra mauris leo. In vitae mattis sit fermentum. Maecenas nullam egestas lorem tincidunt eleifend est felis tincidunt. Etiam dictum consectetur blandit tortor vitae. Eget integer tortor in mattis velit ante purus ante.
- Vestibulum faucibus semper vitae imperdiet at eget sed diam ullamcorper vulputate.
- Quam mi proin libero morbi viverra ultrices odio sem felis mattis etiam faucibus morbi.
- Tincidunt ac eu aliquet turpis amet morbi at hendrerit donec pharetra tellus vel nec.
- Sollicitudin egestas sit bibendum malesuada pulvinar sit aliquet turpis lacus ultricies.
“Lacus donec arcu amet diam vestibulum nunc nulla malesuada velit curabitur mauris tempus nunc curabitur dignig pharetra metus consequat.”
Benefits and opportunities for risk managers applying AI
Commodo velit viverra neque aliquet tincidunt feugiat. Amet proin cras pharetra mauris leo. In vitae mattis sit fermentum. Maecenas nullam egestas lorem tincidunt eleifend est felis tincidunt. Etiam dictum consectetur blandit tortor vitae. Eget integer tortor in mattis velit ante purus ante.
Sprachmodelle wie ChatGPT können scheinbar alle möglichen MINT-Aufgaben lösen, von der Recherche über den mathematischen Beweis bis hin zum Experimentalprotokoll. Naheliegend also, sich bei solchen Sprachmodellen Unterstützung für das eigene Lernen zu holen. Leider ist das mit Fallstricken verknüpft: Falsche Ausgaben sind immer noch häufig, der Datenschutz fraglich und wer zu viel von KI-Systemen erledigen lässt, lernt möglicherweise nicht mehr selbst. Trotzdem lassen sich KI-gestütze Bildungstechnologien geschickt konstruieren, sodass sie menschliche Autonomie und Lernen fördern statt untergraben. Benjamin Paaßen stellt vor, wie wir über und mit KI lehren und lernen können, wie sich pädagogische KI-Systemekonstruieren lassen und was das alles mit menschlicher Autonomie zu tun hat.
Benjamin Paaßen istJuniorprofessor für Wissensrepräsentation und maschinelles Lernen an der Universität Bielefeld und assoziiert am Educational Technology Lab des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) sowie JuniorFellow der Nordrhein-Westfälischen Akademie der Wissenschaften und Künste und der Gesellschaft für Informatik. Paaßens Forschungsschwerpunkt ist, wie sich menschliches Wissen in maschinelles Lernen einbauen und wieder herausholen lässt (informiertes, interpretierbares und erklärbares maschinelles Lernen) insbesondere beim Einsatz künstlicher Intelligenz in der Bildung.
Informationen und Zugangsdaten:
Start: 15:00 Uhr
Dauer: ca. 1 Stunde
Zoom-Link: https://hu-berlin.zoom-x.de/j/69129308103
Meeting-ID: 691 2930 8103
