5. rmn² lecture – 11 Feb 2019

Automated data analysis: the human and the machine.

The talk will sketch a specific view on data sciences. It will align human and machine capabilities more closely by combining abstract programming languages and databases with methods of statistical learning, optimization, and deep learning.

The talk will be held in German. Further information only available in German as well.

Begrüßung: 17 Uhr c.t.

Prof. Dr. Klaus Lieb, Sprecher rmn²

Grußwort:

Prof. Dr. Mira Mezini,

Vizepräsidentin Forschung TU Darmstadt

Einführung:

Prof. Dr. Ralf Galuske, stellv. Sprecher rmn²

Vortrag:

Prof. Dr. Kristian Kersting

Download des Veranstaltungsflyers (opens in new tab)

Inhalt

Wir sehen, dass künstliche Intelligenz immer mehr umfassen (KI) soll. Aber was ist es, dass unser Gehirn es schafft, Schlussfolgerungen zu ziehen, die weit über das hinausgehen, was an typischen Aufgaben in der Datenwissenschaft möglich ist. Heutiges Maschinelles Lernen (ML), einer der “Backbones” der künstlichen Intelligenz, ist immer noch extrem begrenzt. Während Menschen und ihr Zentralnervensystem komplexe Darstellungen erlernen und für ein breiteres Spektrum an Aufgaben abstrahieren und nutzen können, werden maschinelle Lernverfahren hauptsächlich für Inselbegabungen entwickelt und eingesetzt: sie bestimmen eine Funktion aus einer Tabelle von Trainingsbeispielen.

Für die jeweiligen Daten und die jeweilige Fragestellung muss immer noch ein angemessener ML Algorithmus manuell ausgewählt werden. Das trifft für ein breites Spektrum von verschiedenen komplexen Daten inklusive wissenschaftlichen Datenbanken mit Bildern, Texten und Zeitreihen zu, wie wir sie interessanterweise auch in den Neurowissenschaften finden, wenn wir versuchen die Funktions und Arbeitsweise des Gehirns zu verstehen.

In meinem Vortrag werde ich einen anderen Blickwinkel auf die Datenwissenschaften skizzieren. Dieser bringt Maschinen näher an die menschlichen Fähigkeiten heran, in dem er abstrakte Programmiersprachen und Datenbanken mit Methoden des statistischem Lernen, der Optimierung und des Deep Learning kombiniert. Netzwerke, Relationen und Quantifizierung, bieten deklarative Klarheit und eine prägnante Charakterisierungen eines datenwissenschaftlichen Problems. Er kann sogar die Kosten für die Modellierung und das Lösen des Problems senken. Führt man noch zusätzlich tiefe Netzwerke für Wahrscheinlichkeitsverteilungen ein, ebnet er sogar den Weg zu einem meiner Träume, der automatischen Datenanalyse – einer KI, die die Datenanalyse einem breiteren Publikum von nicht-ML-Experten zugänglich macht. Anschließend moechte ich gerne die Relevanz dieser Ideen und Entwicklungen mit Ihnen diskutieren.

rhine-main neuroscience network (rmn²)

Im rmn² hat sich die Hirnforschung in der Metropolregion Frankfurt/Mainz zu einem starken Verbund zusammengefunden. Hierzu gehören die Goethe-Universität mit dem Interdisziplinären Centrum für Neurowisssenschaften und die Johannes Gutenberg-Universität mit dem Forschungszentrum Translationale Neurowissenschaften sowie die Technische Universität Darmstadt zusammen mit dem Institut für Molekulare Biologie Mainz, dem Frankfurt Institute for Advanced Studies sowie dem Ernst Strüngmann Institut gemeinsam mit den Max-Planck-Instituten für Hirnforschung und Empirische Ästhetik in Frankfurt. Damit zählt das rmn² mit Berlin und München zu den international sichtbaren Standorten der Hirnforschung in Deutschland.

CV Prof. Kersting

Herr Prof. Dr. Kristian Kersting leitet das Fachgebiet Maschinelles Lernen an der TU Darmstadt. Nach seiner Promotion an der Universität Freiburg im Jahr 2006 war er am MIT, Fraunhofer IAIS, der Universität Bonn und der TU Dortmund tätig. Er hat über 170 Fachbeiträge veröffentlicht und ist Co Autor eines Buches über die Verbindung von logischer und statistischer Künstlicher Intelligenz (KI). Das sind Algorithmen, mit denen Computerprogramme Wissen unter Unsicherheit in komplexen Datenbanken entdecken. Kristian Kersting erhielt für seine Arbeiten mehrere Preise, darunter den European Association for AI Dissertation Award für die beste KI-Dissertation in Europa. “Wie können Maschinen aus ihren Erfahrungen und den Erfahrungen anderer ihre Performanz verbessern?” und wie kann man erreichen, dass “Maschinen so einfach und schnell lernen wie der Mensch” sind zwei von vielen Fragestellungen, mit denen sich Prof. Kersting auseinandersetzt.

Ort:

Technische Universität Darmstadt

Wilhelm-Köhler-Saal im Alten Hauptgebäude

S1/03, Raum 283

Hochschulstrasse 1, 64289 Darmstadt