Neuro-Mechanistische Modellierung
Mathematische Modelle und deren computergestützte Simulation spielen seit vielen Jahrzehnten eine fundamentale Rolle für den wissenschaftlichen Erkenntnisgewinn und den technologischen Fortschritt. Häufig beschreiben sie mechanistische Zusammenhänge eines Systems der realen Welt und/oder basieren auf Hypothesen über dessen Funktionsweise. Ihre Komplexität ist allerdings beschränkt, da sie durch einen Modellierer entworfen und folglich durch stark simplifizierende Annahmen handhabbar gemacht werden müssen. Modelle des datengetriebenen Lernens, insbesondere künstliche neuronale Netze, können hingegen sehr komplexe Datenmuster automatisiert erkennen und zur Lösung von Regressions- oder Klassifikationsproblemen genutzt werden. Ihr stark spezialisiertes, hochkomplexes Regelwerk ist allerdings nur schwer interpretierbar und benötigt extrem große Datenmengen, auch weil bereits vorhandenes Weltwissen nicht oder nur sehr schwierig berücksichtigt werden kann.
„Im neuen Forschungsbereich möchten wir das Potential KI-basierter Verfahren auf Bereiche erweitern, deren Datenmengen für bestehende KI-Methoden nicht ausreichen.“
Im Zentrum des Forschungsbereichs der neuro-mechanistischen Modellierung stehen hybride Ansätze, die mechanistische und KI-basierte Modelle kombinieren. In den zugehörigen Forschungsprojekten sollen Lösungen für Probleme erarbeitet werden, die sowohl die hohe Modellkomplexität neuronaler Netze als auch die Integration mechanistischer Beschreibungen erfordern oder von den kombinierten Vorteilen besonders profitieren. So erlauben neuro-mechanistische Modelle im Gegensatz zu rein neuronalen Modellen die Integration von Domänenwissen und können auch dann sehr gute Ergebnisse erzielen, wenn nur moderate Datenmengen zur Verfügung stehen - was beispielsweise häufig in den Lebenswissenschaften ein Problem ist. Sie sind leichter interpretierbar und generalisieren häufig besser für unbekannte Eingaben.
Forschungsgruppe: Verantwortungsvolle KI und Maschinenethik (RAIME)
Die Forschungsgruppe Verantwortungsvolle KI und Maschinenethik (Responsible AI and Machine Ethics – RAIME) widmet sich den komplexen ethischen und allgemein normativen Herausforderungen, die sich bei der Entwicklung und dem Einsatz von KI-Systemen ergeben. Dabei gilt das Augenmerk insbesondere den vielfältigen, notwendigen Kompromissen in Hinsicht auf Zielkonflikte, sei es beispielsweise zwischen Fairness und Genauigkeit, Transparenz und Effizienz oder individuellem und kollektivem Nutzen. Die zentrale Forschungsfrage ist, wie diese Herausforderungen vor dem Hintergrund normativer oder moralischer Unsicherheit gemeistert werden können, also Mangels allgemein anerkannter Kriterien der Richtigkeit.
Forschungsgruppe: Kausale Modelle und Repräsentationen (CaMoRe)
Die Forschungsgruppe Kausale Modelle und Repräsentationen (Causal Models and Representations, CaMoRe ) widmet sich der Frage wie kausales Wissen und moderne KI-Systeme kombiniert werden können. Unter welchen Bedingungen kann der Algorithmus selbst zwischen Kausalität und nicht-kausaler Korrelation unterscheiden lernen, und wann ist gerade dies unmöglich? Welche Daten müssten gesammelt werden, um eine solche Entscheidung zu erleichtern und wie vertrauenswürdig sind kausale Lernalgorithmen eigentlich? CaMoRe untersucht diese und weitere Fragen mit einem besonderen Blick auf Methoden des selbstverstärkenden Lernens, sowie auf Anwendungen in der Medizin, der Ökologie und den Klimawissenschaften.
Leitung
Leitung:
Prof. Dr. Verena Wolf
Verena.Wolf@dfki.de
Tel.: +49 681 302 5586
Stellvertretung:
Kevin Baum M.A. M.SC.
kevin.baum@dfki.de
Tel.: +49 681 85775 5251
Timo Philipp Gros, M.Sc.
Timo_Philipp.Gros@dfki.de
Kontakt
Sekretariat:
Tatjana Bungert
Tatjana.Bungert@dfki.de
Tel.: +49 681 85775 5357
Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI)
Gebäude D3 2
Stuhlsatzenhausweg 3
66123 Saarbrücken
Deutschland
News aus dem Forschungsbereich
Alle NMN News
