Künstliche Intelligenz II
Thema
Wenn aus dem Neckartal auf einmal Cyber Valley wird, gibt es viele Fragen. Vor allem: Was machen die da überhaupt? Um Künstliche Intelligenz soll es gehen, aber wo liegen Chancen, Grenzen und Gefahren dieser Technologie? Und was bedeutet das für uns? Forscher arbeiten heute an dieser Zukunft. Zeit ihnen zuzuhören! An einem Abend und in 5×15 Minuten: verständlich und anschaulich.
Vorträge
Wie sehen Maschinen unsere Welt?
Dr. Wieland Brendel, Eberhard Karls Universität Tübingen / Bethgelab
Intelligente Maschinen steuern Autos, erkennen Krankheiten und kreieren neue Kunststile. Aber sehen diese Maschinen die Welt deshalb genauso wie wir? Um dieser Frage nachzugehen, vergleichen wir in Experimenten, wie Menschen und Maschinen Objekte erkennen. Es zeigt sich, dass Maschinen die Struktur unserer Welt derzeit noch kaum verstehen. Die Lösung dieses Problems verspricht, den Anwendungsbereich von intelligenten Maschinen erheblich zu erweitern.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Wie KI weiß, dass sie nicht(s) weiß
Prof. Dr. Matthias Hein, Eberhard Karls Universität Tübingen
Deep Learning hat zu Durchbrüchen in der Bild- und Spracherkennung geführt. Trotz dieser immensen Fortschritte haben tiefe neuronale Netze einen entscheidenden Nachteil: sie wissen nicht, dass sie nichts wissen. Für sicherheitskritische Anwendungen, wie autonomes Fahren oder personalisierte Medizin, ist diese Fähigkeit aber essentiell:
jeder Lernalgorithmus sollte wissen, wenn er nichts weiß. Im Vortrag wird dieses Problem diskutiert und ein erster Ansatz zur Lösung vorgestellt.
Präzise Unsicherheit — Rechenalgorithmen für lernende Maschinen
Prof. Dr. Philipp Hennig, Eberhard Karls Universität Tübingen
Lernende Maschinen sind in der Praxis zuallererst Rechenalgorithmen. Große Datensätze, komplexe Modelle, und parallelisierte Hardware stellen neue Herausforderungen. Um ihnen zu begegnen müssen wir bereit sein die grundsätzlichsten Stärken des Computers — Präzision und Zuverlässigkeit — zu beschränken und an ihrer statt Unsicherheit und Wahrscheinlichkeit als neue Aspekte selbst mathematischer Rechnungen zu akzeptieren.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Understanding Self-Organization of the Brain
Dr. Anna Levina, Eberhard Karls Universität Tübingen
The human brain is an immense computing device capable of performing many difficult tasks simultaneously. However, it consumes a very small amount of energy, that seems particularly tiny if we compare the brain to supercomputers of similar power. How does the nervous system manage to be this computationally effective? Can our computers mimic its capabilities? To find answers to these questions, we will venture into the mathematical modeling of the developing cultures and try to uncover their building principles.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
A physics perspective on inference and optimization on networks
Dr. Caterina De Bacco, MPI für Intelligente Systeme
Large interacting systems, where individual entities interact in complex ways, can be found in a wide spectrum of domains ranging from particle physics to social sciences. By combining modeling approaches inspired by physics with qualitative insights provided by domain experts from different disciplines one can develop powerful frameworks for understanding their microscopic and macroscopic properties.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Open Mic: Künstliche Intelligenz und Wir
In Tübingen wird seit neuestem Künstliche Intelligenz im großen Stil erforscht. Das wirft viele Fragen auf. Bei den Science Notes sollen sie Platz haben: Jeder, der was wissen oder sagen möchte, bekommt von uns ein Mikro in die Hand – und Antworten von unseren Sprecher*innen.
Videos
