Mit 22 durch das Land Hessen finanzierten Professuren werden bestehende Schwerpunkte ausgebaut, aber gleichzeitig die Vernetzung und der Austausch gestärkt. Insgesamt ist Hessen damit am Puls der Zeit und kann schnell auf neue Anforderungen reagieren. Denn eines ist sicher: KI ist eine schnelllebige Disziplin: Von ChatGPT über Startups im technischen Bereich bis hin zu den politischen Rahmenbedingung wie der von der EU geplanten KI-Regulierung sind viele Aspekte im Fluss. Daher gilt es, diesen Fluss in die richtige Richtung zu leiten und die hervorragende Position des Landes Hessen im nationalen und internationalen Umfeld weiter auszubauen.

Über den Speaker

Ayse Asar ist 1975 in Bad Schwalbach geboren. Studiert hat sie Jura in Gießen, Köln und London, arbeitete seit 2004 im Wissenschaftsmanagement zunächst als Justitiarin, Leiterin verschiedener Abteilungen, Vizekanzlerin und zuletzt Hochschulkanzlerin. Seit 2019 ist sie Staatssekretärin im Hessischen Ministerium für Wissenschaft und Kunst und setzt sich in ihrer Funktion für Chancengerechtigkeit in der Hochschulbildung, einer Forschung zur Erarbeitung von Lösungen der großen Herausforderungen unserer Welt und für Kunst und Kultur in unserer vielfältigen Gesellschaft ein. Ihre Eltern kamen als „Gastarbeiter*in“ in den 1960er Jahren aus der Türkei, Bildung war ihnen sehr wichtig. Hochschulpolitisch liegt ihr das Ziel, Hindernisse auf Bildungswegen zu beseitigen, schon aus eigener Erfahrung als Arbeiterkind sehr am Herzen.

Parallel zu diesen Fortschritten hat sich die Erkenntnis durchgesetzt, dass die Leistung naiv trainierter NLP-Modelle bei Nutzern unterschiedlicher demografischer Herkunft ungleich ist, wobei Minderheiten in der Regel ein niedrigeres Leistungsniveau aufweisen. In diesem Vortrag werde ich die Art und das Ausmaß des Problems erläutern und eine Reihe von Ansätzen vorstellen, mit denen fairere Modelle auf der Grundlage verschiedener Dateneinstellungen trainiert werden können, ohne dass die Gesamtleistung darunter leidet.

Über den Speaker

Tim Baldwin ist amtierender Prorektor und Vorsitzender der Abteilung für natürliche Sprachverarbeitung an der Mohamed bin Zayed University of Artificial Intelligence und außerdem Melbourne Laureate Professor an der School of Computing and Information Systems der University of Melbourne. Derzeit ist er Past President der Association for Computational Linguistics. Tim schloss 1995 einen BSc(CS/Mathe) und einen BA(Linguistik/Japanisch) an der University of Melbourne ab und 1998 bzw. 2001 einen MEng(CS) und PhD(CS) am Tokyo Institute of Technology. Er kam Anfang 2022 zum MBZUAI, davor war er 17 Jahre lang an der Universität von Melbourne tätig. Seine Forschung wurde von Organisationen wie dem Australia Research Council, Google, Microsoft, Xerox, ByteDance, SEEK, NTT und Fujitsu finanziert und wurde in MIT Tech Review, IEEE Spectrum, The Times, ABC News, The Age/Sydney Morning Herald und Australian Financial Review veröffentlicht. Er ist Autor von rund 500 von Experten begutachteten Veröffentlichungen zu verschiedenen Themen der natürlichen Sprachverarbeitung und KI und wurde auf führenden NLP-Konferenzen mit einer Reihe von Preisen ausgezeichnet.

In diesem Vortrag werde ich über unsere Forschung an der Schnittstelle zwischen klassischer Robotik und maschinellem Lernen sprechen und mich auf strukturierte Lernansätze konzentrieren, die es Robotern ermöglichen, ihre Umgebung besser zu verstehen und mit ihr zu interagieren. Indem wir die Struktur des Problems ausnutzen oder die Struktur als induktive Verzerrung auferlegen, verbessern wir den Lernprozess für reale Anwendungen. Ich werde eine Reihe von Themen vorstellen, die die entscheidende Rolle der Struktur beim Lernen hervorheben, und zeigen, wie mobile Manipulationsroboter als ideale Fallstudie für die Weiterentwicklung der verkörperten Intelligenz von Robotern dienen.

Über den Speaker

Georgia Chalvatzaki, die im April 2023 zur ordentlichen Professorin für Interaktive Roboterwahrnehmung und Lernen befördert wurde, hat einen gemeinsamen Ruf an den Fachbereich Informatik der Technischen Universität Darmstadt und hessian.AI. Vor ihrer Beförderung war sie als Assistenzprofessorin und unabhängige Forschungsgruppenleiterin tätig und erhielt im März 2021 das renommierte Emmy Noether-Stipendium der Deutschen Forschungsgemeinschaft (DFG). Sie schloss ihre Promotion 2019 an der Nationalen Technischen Universität Athen, Griechenland, ab, wo sie Teil des Intelligent Robotics and Automation Lab innerhalb der Electrical and Computer Engineering School war. Ihre Doktorarbeit mit dem Titel „Human-Centered Modeling for Assistive Robotics: Stochastic Estimation and Robot Learning in Decision-Making“ (Stochastische Schätzung und Roboterlernen bei der Entscheidungsfindung) legte den Grundstein für ihre aktuellen Forschungsinteressen, die Roboterlernen, -planung und -wahrnehmung umfassen.

Sie ist mehrfach ausgezeichnet, mit dem Deutschen Journalistenpreis, dem Helmut-Schmidt Preis und dem Preis für „Surveillance Studies“. Sie ist Gastgeberin des NDR-Podcasts „She likes tech“ und spricht regelmäßig auf großen Hackerkonferenzen, wie der Defcon und dem CCC.

In diesem Vortrag werde ich die gegenwärtige Situation aus meiner Sicht als KI-Experte mit großem Interesse an der europäischen KI-Politik erörtern und auf mögliche Zukunftsperspektiven für KI in Deutschland, Europa und darüber hinaus eingehen. Insbesondere werde ich erläutern, warum ein Weitblick auf KI, der Lernen, logisches Denken und andere Schlüsselkonzepte umfasst, von entscheidender Bedeutung ist; warum große Sprachmodelle wie ChatGPT zwar transformierende Auswirkungen auf KI und ihre Anwendungen haben werden, aber weit von künstlicher allgemeiner Intelligenz entfernt sind; und warum die wirklichen Risiken, mit denen wir derzeit konfrontiert sind, nicht mit dem Aufkommen maschineller Superintelligenz und Wertanpassung verbunden sind, sondern mit technologischer Abhängigkeit und dem problematischen Einsatz relativ schwacher Formen von KI. Ich werde auch erörtern, warum KI die Zukunft von Wissenschaft und Technik und damit ein entscheidender Faktor für die Bewältigung der großen Herausforderungen unserer Zeit ist und wie Europa und Deutschland in diesem Zusammenhang eine führende Rolle bei der Entwicklung und Anwendung der in diesem Zusammenhang benötigten KI-Systeme spielen kann und sollte.

Über den Speaker

Holger H. Hoos hat eine Alexander-von-Humboldt-Professur für KI an der RWTH Aachen (Deutschland) sowie eine Professur für maschinelles Lernen an der Universiteit Leiden (Niederlande) und eine außerordentliche Professur für Informatik an der University of British Columbia (Kanada) inne. Er ist Fellow der Association of Computing Machinery (ACM), der Association for the Advancement of Artificial Intelligence (AAAI) und der European AI Association (EurAI), ehemaliger Präsident der Canadian Association for Artificial Intelligence, ehemaliger Chefredakteur des Journal of Artificial Intelligence Research (JAIR) und Vorstandsvorsitzender von CLAIRE, einer Organisation, die sich für die Stärkung europäischer Spitzenleistungen in der KI-Forschung und -Innovation einsetzt (claire-ai.org).

Holger ist bekannt für seine Arbeiten zu maschinellen Lern- und Optimierungsmethoden für den automatisierten Entwurf von Hochleistungsalgorithmen und zur stochastischen lokalen Suche. Er hat das Paradigma der Programmierung durch Optimierung (PbO) entwickelt und verfolgt es mit Nachdruck; er ist auch einer der Begründer des Konzepts des automatisierten maschinellen Lernens (AutoML). Holger hat eine Vorliebe für die Arbeit an den Grenzen zwischen Informatik und anderen Disziplinen, und ein Großteil seiner Arbeit ist von realen Anwendungen inspiriert.

Über den Speaker

Martin Jaggi ist ausserordentlicher Professor an der EPFL und leitet das Labor für maschinelles Lernen und Optimierung. Bevor er an die EPFL kam, war er als Post-Doktorand an der ETH Zürich, am Simons Institute in Berkeley und an der École Polytechnique in Paris tätig. Er promovierte 2011 in Maschinellem Lernen und Optimierung an der ETH Zürich und erwarb einen MSc in Mathematik, ebenfalls an der ETH Zürich. Er ist Mitbegründer der Applied Machine Learning Days der EPFL und Fellow des europäischen ELLIS-Netzwerks.

Anna war in leitender Funktion am Centre on Public Management and Policy an der Universität Ottawa und an der European School of Management and Technology in Berlin tätig. Ihre Universitätsabschlüsse und Forschungen in Sozialanthropologie, Soziologie und Afrikastudien führten sie an die Freie Universität Berlin, die Stanford University, die Aix-Marseille Université und nach Benin in Westafrika. Ihre Erfahrungen in Kanada und im Ausland haben ihre Leidenschaft für die Schaffung integrativer, innovativer Räume geweckt, in denen Führungskräfte ihr Fachwissen entwickeln und eine bessere öffentliche Politik gestalten können.

Die Regel führt zu einer doppelten Perspektive, mit der die „Sensibilität“ des Modells für künftige Änderungen gemessen wird. Dies ist universell und grundlegend für fast alle Modelle des maschinellen Lernens, und ich werde argumentieren, dass dies der Schlüssel zum Aufbau von Maschinen ist, die sich so schnell wie Menschen anpassen.

Über den Speaker

Emtiyaz Khan (auch bekannt als Emti) ist Teamleiter am RIKEN-Zentrum für Advanced Intelligence Project (AIP) in Tokio, wo er das Approximate Bayesian Inference Team leitet. Zuvor war er Postdoc und dann Wissenschaftler an der Ecole Polytechnique Fédérale de Lausanne (EPFL), wo er auch zwei Kurse zum maschinellen Lernen unterrichtete und einen Lehrpreis erhielt. Er promovierte 2012 an der University of British Columbia im Bereich Maschinelles Lernen. Das Hauptziel von Emtis Forschung ist es, die Prinzipien des Lernens aus Daten zu verstehen und sie zu nutzen, um Algorithmen zu entwickeln, die wie lebende Wesen lernen können. Seit mehr als 10 Jahren konzentriert sich seine Arbeit auf die Entwicklung von Bayes’schen Methoden, die zu solchen grundlegenden Prinzipien führen könnten. Das Team für approximative Bayes’sche Inferenz arbeitet nun weiter daran, diese Prinzipien zu nutzen und neue abzuleiten, um Probleme aus der Praxis zu lösen.

Wir schlagen eine neue Konzeptualisierung von Textplänen als eine Abfolge von Frage-Antwort-Paaren (QA) vor und erweitern bestehende Datensätze (z.B. für Zusammenfassungen) um einen QA-Entwurf, der als Stellvertreter für die Auswahl des Inhalts (d.h. was zu sagen ist) und die Planung (d.h. in welcher Reihenfolge) dient. Wir erhalten Blueprints automatisch, indem wir modernste Technologie zur Fragengenerierung nutzen und Eingabe-Ausgabe-Paare in Eingabe-Blaupause-Ausgabe-Tupel umwandeln. Wir entwickeln Transformator-basierte Modelle, die sich darin unterscheiden, wie sie die Blaupause in die generierte Ausgabe einbeziehen (z. B. als globalen Plan oder iterativ). Die Auswertung der verschiedenen Metriken und Datensätze zeigt, dass Blueprint-Modelle sachlicher sind als Alternativen, die nicht auf die Planung zurückgreifen und eine engere Kontrolle der Erzeugungsleistung ermöglichen.

Von 2014 bis 2019 war Prof. Sinemus die erste weibliche Präsidentin einer Industrie- und Handelskammer in Hessen. 2011 wurde Kristina Sinemus zur Professorin für Public Affairs an der Quadriga Hochschule in Berlin ernannt.

Matthias ist Mitglied im Vorstand der deutschen Sektion von Reporter ohne Grenzen, in den Beiräten der Stiftung Warentest, der Freudenberg Stiftung und des Whistleblower-Netzwerks sowie im Fachausschuss Kommunikation/Information der Deutschen UNESCO-Kommission. Er war Stipendiat der ZEIT Stiftung, der Stiftung Mercator und des American Council on Germany. Matthias ist Herausgeber der Automating Society Reports und hat Bücher über die Automatisierung der Gesellschaft, digitalen Journalismus und Internet Governance geschrieben und herausgegeben. Er hat einen Masterabschluss in Journalismus von der University of Colorado in Boulder und in Philosophie von der Freien Universität Berlin.

Wir setzen dieses Element der Typizität mit den Kodierungskosten der neuronalen Repräsentation in Beziehung und erörtern seine Auswirkungen auf das Lernen und die Erkundung. Im kognitiven Bereich untersuchen wir, wie sich die Aufmerksamkeitsmodulation auf die Darstellung und Wahrnehmung von Gesichtern auswirkt. Im sozialen Bereich untersuchen wir, wie sich die Gesichtsverarbeitung auf die soziale Wahrnehmung und das Urteilsvermögen auswirkt, was Auswirkungen auf geschlechtsspezifische und rassistische Vorurteile hat.

Über den Speaker

Nach 14 Jahren als Leiterin des Computational & Cognitive Neuroscience Laboratory an der University of California San Diego ist Dr. Angela Yu seit kurzem als Alexander von Humboldt-Professorin für KI an der TU Darmstadt im Center for Cognitive Science und bei hessian.AI tätig. Prof. Yu setzt in ihrer Arbeit mathematisch rigorose und vielfältige Werkzeuge ein, um die Art der Repräsentation und der Berechnungen zu verstehen, die zu intelligentem Verhalten führen, mit besonderem Augenmerk auf die Herausforderungen, die sich aus der Ungewissheit der Schlussfolgerungen ergeben, und die Möglichkeiten, die sich aus der willentlichen Kontrolle ergeben. Ihre Humboldt-Professur soll die theoretische und methodische Kernkompetenz an der TU Darmstadt stärken und die Integration von KI und Kognitionswissenschaften fördern.

Diese starke Abhängigkeit von schnellen Verbindungen wird zum begrenzenden Faktor für die weitere Skalierung, nicht nur im Rechenzentrum, sondern auch bei alternativen dezentralen Infrastrukturen wie Spot-Instanzen und geo-distribuierten freiwilligen Berechnungen. In diesem Vortrag werde ich über unsere Forschung auf dem Gebiet des kommunikationseffizienten verteilten Lernens und unsere aktuellen Bemühungen um das dezentrale Training großer Sprachmodelle sprechen.

Über den Speaker

Ce ist ausserordentlicher Professor für Computerwissenschaften an der ETH Zürich. Das Ziel seiner Forschung ist es, Techniken des maschinellen Lernens einem breiten Publikum zugänglich zu machen, und zwar kosteneffizient und vertrauenswürdig für jeden, der sie nutzen möchte, um unsere Welt zu verbessern. Er glaubt an einen Systemansatz, um dieses Ziel zu erreichen, und seine aktuelle Forschung konzentriert sich auf den Aufbau von Plattformen und Systemen der nächsten Generation für maschinelles Lernen, die datenzentriert, menschenzentriert und deklarativ skalierbar sind. Bevor er an die ETH kam, promovierte Ce an der University of Wisconsin-Madison und verbrachte ein weiteres Jahr als Postdoktorand in Stanford, beides unter der Leitung von Christopher Ré. Seine Arbeit wurde unter anderem mit dem SIGMOD Best Paper Award, dem SIGMOD Research Highlight Award, dem Google Focused Research Award und einem ERC Starting Grant ausgezeichnet. Außerdem wurde über seine Arbeit in Science, Nature, Communications of the ACM und in verschiedenen Medien wie Atlantic, WIRED, Quanta Magazine usw. berichtet.