Forschung zu Maschinellem Lernen und Künstlicher Intelligenz
Im Laufe seiner Geschichte hat der Bereich der Künstlichen Intelligenz (KI) mehrere grundlegende Paradigmenwechsel erlebt. Im Großen und Ganzen lassen sich diese zusammenfassen als Übergang von Ansätzen wie regelbasierten Expertensystemen, die symbolisch ausgedrücktes menschliches Wissen verwenden, zu Methoden und Modellen, die sich auf das Lernen aus Beispielen stützen.
Der Fortschritt in der gegenwärtigen Ära der Künstlichen Intelligenz ist in der Tat weitgehend auf Systeme des Maschinellen Lernens (ML) wie Deep Neural Networks zurückzuführen, die sehr große Datenmengen nutzen, um extrem hochdimensionale Modelle zu erstellen und so eine Vielzahl von Aufgaben bewältigen können.
Wissen und Kontext
Auf der anderen Seite vernachlässigen die derzeitigen KI-Systeme zwei wichtige Quellen der Intelligenz: Wissen und Kontext. Angesichts ihrer verbleibenden Unzulänglichkeiten scheint die Integration von verlässlichem Wissen in Lernprozesse der Schlüssel zu sein, damit KI zuverlässig und vertrauenswürdig allgemeine Aufgaben lösen kann. Dieses Wissen kann aus Darstellungen bestehen, die in anderen Kontexten gelernt wurden, aus informierten Simulationen, aus mathematischen Beschreibungen von Gesetzen der physikalischen Welt oder aus explizitem Wissen, das von Menschen bereitgestellt wird.
Außerdem werden viele aktuelle KI-Algorithmen unter der Annahme weitgehend statischer und in sich geschlossener Umgebungen entwickelt. Die Anwendungskontexte sind jedoch in der Regel variabel und offen. Sie können verschiedene verfügbare Ressourcen und Hardware-Architekturen aufweisen, mit unterschiedlichem Zugang zur Welt für aktives Erfassen und Experimentieren ausgestattet sein oder dynamische multimodale Interaktionen mit Menschen beinhalten.
Trianguläre KI
Die Forschung am Lamarr-Institut ist daher grundlegend von unserer Überzeugung geprägt, dass wir einen weiteren Paradigmenwechsel hin zu einer dritten Generation der KI brauchen, die wir AI3 oder trianguläre KI nennen.
Die drei Dimensionen der triangulären KI: Daten, Wissen und Kontext
Die Lamarr-Wissenschaftlerinnen und -Wissenschaftler haben sich dieser Vision verschrieben und streben die Verwirklichung von AI3 an – trianguläre KI, die Daten, Wissen und Kontext kombiniert. Wir gehen von einer gemeinsamen Sichtweise dieser drei Aspekte und ihrer Wechselbeziehungen aus, entwickeln diese einbeziehende Algorithmen und streben das langfristige Ziel an, sie in KI-Systemen zu vereinen, die allgemeine Intelligenz zum Nutzen von Menschen und Organisationen aufweisen.
Zentrale Forschungsbereiche
Die fünf Bereiche, in die wir die Forschung am Lamarr-Institut gliedern, spiegeln unser Engagement für AI3 – trianguläre KI – wider. Sie sind miteinander verknüpft und befassen sich mit der Frage, wie Daten, Wissen und Kontext integriert werden können, um KI-Lösungen zu entwickeln, die ressourceneffizient arbeiten und leistungsstarke und dennoch robuste, erklärbare und vertrauenswürdige Ergebnisse liefern.
Hybrides Maschinelles Lernen
Hybrides Maschinelles Lernen bedeutet die Integration von Daten, Wissen und Kontext und bildet damit die Grundlage für einen Großteil der Forschung am Lamarr-Institut.
Weiterlesen
Ressourcenbewusstes Maschinelles Lernen
Ressourcenbewusstes Maschinelles Lernen zielt darauf ab, Technologien so anzupassen, dass Energie, Speicher und Rechenressourcen gespart werden.
Weiterlesen
Vertrauenswürdige Künstliche Intelligenz
Vertrauenswürdige KI baut auf robusten, überprüfbaren Verfahren auf und bildet die Grundlage für die Zertifizierung von KI-Anwendungen.
Weiterlesen
Menschenzentrierte KI-Systeme
Menschenzentrierte KI-Systeme sind so konzipiert, dass sie mit Menschen interagieren und erklärbare und verständliche Ergebnisse liefern.
Weiterlesen
Embodied Artificial Intelligence
Embodied Artificial Intelligence, auch als verkörperte Künstliche Intelligenz bezeichnet, bezieht sich auf KI, die in physische Systeme, wie beispielsweise Roboter, eingebettet ist und mit der Umgebung interagieren kann.
WeiterlesenAnwendungsfelder und interdisziplinäre Forschungsbereiche
Während die Grundlagenforschung im Zentrum des Lamarr-Instituts steht, glauben wir, dass das volle Potenzial des Maschinellen Lernens und der Künstlichen Intelligenz in der Wissenschaft nur durch aktives Engagement und interdisziplinäre Forschungsarbeit ausgeschöpft werden kann, die andere Disziplinen nicht als reine Anwendungsbereiche, sondern als eigenständige Forschungsfragen betrachtet.
Gemeinsam mit unseren Lamarr-Kollegeninnen und -Kollegen aus anderen Disziplinen haben wir fünf Anwendungsfelder und interdisziplinäre Forschungsbereiche identifiziert, in denen wir die Anwendbarkeit des Maschinellen Lernens bereits demonstriert haben und die in unserer zukünftigen Forschung eine Schlüsselrolle spielen werden.
Planung und Logistik
KI-Lösungen helfen, Transport- und Mobilitätsprozesse zu optimieren und Ressourcen zu sparen.
Weiterlesen
Physik
Mithilfe von ML-Methoden werden große Datenmengen analysiert und ausgewertet, wodurch neue Einblicke in die physikalische Welt gewonnen werden.
Weiterlesen
Industrielle Fertigung
KI ermöglicht die Nutzung von Maschinenmodellen und Produktionsdaten zur intelligenten Steuerung und Effizienzsteigerung.
Weiterlesen
Life Sciences
KI revolutioniert die Medizin, beschleunigt die Medikamentenentwicklung und hilft bei der Erforschung biologischer Systeme.
Weiterlesen
Natural Language Processing
Das Verstehen von gesprochener und geschriebener Sprache ist die Grundlage für viele KI-Anwendungen, die unseren Alltag erleichtern.
WeiterlesenDas Neueste aus der Forschung
- All
- News
- Events
- Projects
Veröffentlichungen
Aktuelle Blogbeiträge
- Alle
- Grundlagen
- Forschung
- Anwendung
