|
Lehrende/r: Daan Apeldoorn; Minh Duc Bui; Fritz Valentin Henkys; Kirsten Köbschall; Kiara Stempel; Alesia Estela Vallenas Coronel; Dr. phil. Doris Lindner
Veranstaltungsart:
Workshop
Anzeige im Stundenplan:
Q+920
Credits:
3,0
Unterrichtssprache:
Deutsch
Min. | Max. Teilnehmerzahl:
- | 20
Voraussetzungen / Organisatorisches:
Teilnahmevoraussetzungen
Keine Vorkenntnisse erforderlich – die praktischen Übungen am PC sind für alle zugänglich, die mit Maus und Tastatur umgehen können.
Für die erste Sitzung wird empfohlen, einen eigenen Laptop mitzubringen. Falls Sie nicht über ein geeignetes Gerät verfügen, können Sie sich bei Q+ bzw. der Kursleitung melden. Nähere informationen gibt es vor Kursbeginn.
Inhalt:
Künstliche Intelligenz (KI) hat inzwischen in zahlreiche Bereiche unseres Lebens Einzug gehalten. Sie erleichtert uns nicht nur die Bearbeitung unserer Hausaufgaben, sondern bietet auch hilfreiche Empfehlungen für Filme und Musik und kann sogar auf der Suche für mögliche Lebenspartner unterstützen. Doch wie funktioniert sie eigentlich? Sind diese Anwendungen sicher und nachvollziehbar, oder gibt es Gefahren und Herausforderungen, die wir berücksichtigen müssen? In diesem interaktiven Workshop werden anhand von praktischen Beispielen einige Grundlagen von KI vermittelt und aktuelle Problemstellungen ergründet, die mit ihrer Anwendung verbunden sind.
Tag 1
Montag, 29.04.2024:
- Einführung: Vorstellungsrunde, kurzer Überblick über unterschiedliche Ansätze der KI
- Agent und Umgebung: Vermittlung der grundlegenden Ideen des Agentenmodells und der Interaktion zwischen Agent und Umgebung, Klassifizierung unterschiedlicher Agenten- und Umgebungstypen
- Logik und Regelbasierte Systeme, Fuzzy-Logik: Grundlegendes Verständnis für Regelbasierte Systeme und Probleme in diesem Zusammenhang, Vermittlung der Idee und Anwendung der Default-Negation sowie des Ansatzes der „unschärferen" Fuzzy-Logik
- Maschinelles Lernen: Einführung in die Funktionsweise von Bestärkendem Lernen (Reinforcement Learning) und damit einhergehenden Problemen sowie Vermittlung einiger grundlegender Ideen, wie ein neuronales Netz lernt; Sensibilisierung für die Blackbox-Problematik (d.h., die Schwierigkeit nachzuvollziehen, was ein neuronales Netz gelernt hat)
Bei den vorgestellten Ansätzen werden auch einige ihrer Grenzen beleuchtet.
Tag 2
Dienstag, 30.04.2024:
- Revue vom vorherigen Tag
- Was kann eine künstliche Intelligenz? Wie kann man sicherstellen, ob eine KI fair, transparent, Privatsphäre-erhaltend und ressourcenschonend agiert? Was kann man sich unter diesen Eigenschaften vorstellen?
- Erarbeitung von vier Eigenschaften (Fairness, Transparency, Privacy, Resource-Efficiency) von Algorithmen im Bereich des maschinellen Lernens in Gruppenarbeit
- Zusammentragen, Diskussion und Abwägen der vier Eigenschaften im Plenum
- Einschränkungen und Regulierungen von künstlicher Intelligenz durch den Staat
- Eine Einführung in große Sprachmodelle und Abwägen der vier Eigenschaften anhand eines Anwendungsbeispiels
Zusätzliche Informationen:
Lehrende:
Daan Apeldoorn studierte Informatik und promovierte im Bereich Wissensrepräsentation/KI in Spielen. Er ist an der Universitätsmedizin Mainz am Institut für Medizinische Biometrie, Epidemiologie und Informatik (IMBEI) in der Medizininformatik tätig. Dort forscht er aktuell im Rahmen des TOPML-Projekts zum Lernen von verständlichen Wissensbasen aus Daten. Darüber hinaus ist er auch im Bereich Multi-Agenten-Systeme mit Anwendung in der (Krankenhaus-)Logistik aktiv.
Alesia Vallenas Coronel studierte Rechtswissenschaft und promoviert zum Thema Fairness und Machine Learning aus einer rechtsphilosophischen Perspektive. Sie ist ebenfalls Teil des TOPML-Projekts.
Kirsten Köbschall, Kiara Stempel und Valentin Henkys haben zusammen an der Uni Mainz in Informatik ihren Master absolviert und im Rahmen des TOPML-Projekts 2022 mit der Promotion begonnen. Kirsten Köbschall forscht derzeit an stochastischen Methoden zur Verarbeitung von großen Datenströmen, während Kiara Stempel sich mit erklärbaren Algorithmen beschäftigt, die zum Lernen einer fairen Darstellung von Daten verwendet werden können. Valentin Henkys befasst sich mit ressourcensparenden Implementierungen von kryptographischen Algorithmen.
Minh Duc Bui erlangte seinen B.Sc. in Wirtschaftsmathematik an der Uni Mannheim und setzte sein Studium mit dem M.Sc. in Data Science fort. Aktuell promoviert er an der Uni Mainz im Bereich der Ressourceneffizienz und Fairness in Natural Language Processing und ist Teil des TOPML-Projekts.
|
