GAN-gest\u00fctzte Datenaugmentation ist ein Begriff aus der K\u00fcnstlichen Intelligenz, Big Data und Smart Data sowie der digitalen Transformation. Er beschreibt eine moderne Methode, bei der sogenannte Generative Adversarial Networks (GANs) \u2013 also eine besondere Form von k\u00fcnstlichen neuronalen Netzwerken \u2013 genutzt werden, um zus\u00e4tzliche Trainingsdaten f\u00fcr Computerprogramme zu generieren.<\/p>\n
Stellen Sie sich vor, ein Unternehmen m\u00f6chte eine KI entwickeln, die R\u00f6ntgenbilder analysieren kann. Allerdings gibt es nicht gen\u00fcgend echte R\u00f6ntgenbilder f\u00fcr das Training. Hier kommt die GAN-gest\u00fctzte Datenaugmentation ins Spiel: Die KI erzeugt automatisch viele k\u00fcnstliche, aber realistisch wirkende R\u00f6ntgenbilder, die dem System helfen, besser zu lernen.<\/p>\n
So k\u00f6nnen Forscher oder Firmen die Leistungsf\u00e4higkeit ihrer K\u00fcnstlichen Intelligenz deutlich erh\u00f6hen, ohne daf\u00fcr teure oder schwer verf\u00fcgbare Originaldaten sammeln zu m\u00fcssen. Die wichtigsten Vorteile sind also bessere Ergebnisse, Zeit- und Kostenersparnis. Besonders in Bereichen, in denen echte Daten selten oder sensibel sind, bringt GAN-gest\u00fctzte Datenaugmentation gro\u00dfe Fortschritte \u2013 zum Beispiel in der Medizin, im autonomen Fahren oder bei der Erkennung von betr\u00fcgerischen Aktivit\u00e4ten.<\/p>\n","protected":false},"excerpt":{"rendered":"