Einfache Fehler in KI Software finden

Künstliche Intelligenz entwickelt sich zu einer Kerntechnologie, die Einzug in immer mehr Computersysteme nimmt. Daher ist die Robustheit der Software, auf denen diese Technologie basiert, immer wichtiger. Unsere Arbeitsgruppe AI Engineering hat in einer wissenschaftlichen Studie gezeigt, dass es selbst bei sehr großen Bibliotheken hier noch Probleme gibt.

Im Rahmen der Studie wurden systematisch Testfälle entwickelt, die mit wenig Aufwand eingesetzt werden, zum Beispiel mit besonders großen Zahlen als Eingaben. Durch unsere Arbeit konnten wir unter anderem Fehler in den populären Bibliotheken Scikit-Learn und WEKA finden, die nicht nur zu Berechnungsfehlern führen, sondern direkt die ganze Software abstürzen lassen.

Wir empfehlen daher: Verlassen Sie sich nicht auf die Korrektheit der Bibliotheken, sondern Testen sie die Robustheit ihrer Anwendungen.

Geeignete Tests finden sie in unserer als Open Access Verfügbaren Studie „Smoke Testing for Machine Learning: Simple Tests to find Severe Defect” wurde in der Fachzeitschrift Empirical Software Engineering publiziert und kann hier abgerufen werden: https://doi.org/10.1007/s10664-021-10073-7

 

© beetpro - pixabay.com