Spamfilter sind so alt wie eMail

die ersten Spamfilter waren Negativ/Positivlisten, mittlerweile gibts natürlich auch welche mit KI, hier ganz gut der aktuelle Stand zusammengefasst https://www.unite.ai/de/KI-und-Spam/

Danke. Wollte damit jetzt auch kein Fass aufmachen, aber ich dachte, es hat ja nicht jeder irgendwas mit dem Thema zu tun und hielt das für ein gutes Beispiel um das Prinzip zu verstehen.
Ich weiß schon wovon ich spreche- sonst wär ich wohl falsch in meinem Beruf.

Auch wenn sich die Hard- und Software sehr weiterentwickelt hat und in dem Produkt wohl NN drin sind, muss ich Helmut in einem sehr Recht geben: Es ist eine Marketingstrategie. Viele Menschen denken, AI kann alles. Triathleten geben eh gern Geld aus. Einmal entwickelt, arbeitet es fast von selbst. Es braucht niemanden, der den Test noch physisch durchführt, keine Räume... Fertig ist das Produkt.

Bei Positiv- und Negativlisten muss ein Match absolut sein. Es wird genau diese eine Mail Adresse dann in Zukunft rausgefiltert oder durchgelassen.Oder es gibt andere feste Regeln.

Mit KI kann man das flexibler handhaben, auch um Spammer rauszubekommen, die dauernd die Mailadresse öndern. Das kann die einfach Liste nicht.
Bzw. die KI soll, wenn sie gut ist sich selbst Regeln festlegen.

Letztlich ist KI Mustererkennung. Und dann kann man eine Grenze einstellen wie genau, z.b. 80% , muss die neue Mail mit alten Spammails übereinstimmen, damit sie rausgefiltert wird oder zumindest mal in den Spamverdachtfilter kommt.

Das ist aber ja genau der springende (Kritik)punkt. Letztlich basiert auch ein CP20-Test au einer Mustererkennung und wenn sich der Auswerter dazu noch ein paar Trainingsdaten genauer ansieht hinsichtlich Hinweisen auf ein Stärken/Schwächen-Profil und möglicher physiologischer Hintergründe, ist das halt ein sehr ähnlicher Vorgang.

Gereade die (sowieso sehr seltenen) starken Abweichungen von der Norm werden so höchstwahrscheinlich nicht erfasst.

Am Ende gibt man da einem "Modell" einen grundlegend anderen Namen (Coggan und Allan haben schließlich auch für ihre FTP-"Modelle" viele Daten analysiert) und fordert dementsprechend einen gewissen Preis, der es aus meiner Sicht nicht wert ist.

Spannend wäre nicht eine Untersuchung, wie gut die "KI" mit einer Diagnostik übereinstimmt, sondern ob es wirklich signifikante Unterschiede hinsichtlich Trainingsbereichen und physiologischer Einschätzung gegenüber einer Gruppe gibt, die nur Stufen/CP20-Tests fährt und 5 Fragen beantwortet aufgrund einer Selbstanalyse der Trainingsdaten der letzten 3 Monate. Ich würde vermuten, nein.

Marketingstrategie und Geldausgeben ist ja nichts Schlechtes. Ob dieses Tool schon etwas taugt, weiß ich nicht. Auch wird es nicht gleich Trainer arbeitslos machen. Viele Triathleten nutzen ja schon lange Zeit verschiedene Endgeräte am Handgelenk oder am Fahrrad. Und irgendwann wird das datengetriebene Training ebenso alltäglich sein, wie das führerlose Fahren.

:Blumen:

Klar. Ich wollte nur sagen, dass einige der Argumente hier offensichtlich von den Berichten über große Sprachmodelle getrieben sind. KI ist aber wie du weißt ja mehr als LLMs und NNs.

Was ich mir schon vorstellen kann ist, dass ein Netz aus den Datenpaaren von HF und Leistung aus dem 3 und 12min Test eine vollständige HF/Leistungskurve und Sauerstoffkinetik generiert. Ableitungen auf Vo2max und Co müssen aber nicht zwingend mit NNs gemacht werden. Hier sei übrigens auch auf Papers zu VO2FITTING, eine Open-source SW verwiesen.

Das is ähnlich wie bei Schachprogrammen. Z.B. stockfishNN nutzt Netze zur Stellungsbewertung der Rest ist klassische Technik.


:Blumen:

Hat jemand Erfahrung damit gemacht?

Vom Prinzip ähnlich. Man fährt 20sec, 20min und 4min Allout, gibt die Werte in eine Excel ein und erhält Werte für Vo2max, Vlamax, Fatmax etc. Kostenpunkt Null Euro.

Ich ziehe in Erwägung das Ende des Jahres mal zu versuchen.