hessian.AI ernennt drei DEPTH-Nachwuchsgruppenleiter
Zur Förderung von Postdoktorand*innen mit dem Karriereziel Professur hat hessian.AI drei DEPTH-Nachwuchsgruppen eingerichtet, die von jeweils einem Forschenden geleitet werden.
Mit Dr. Martin Mundt, Dr. Devendra Dhami und Dr. Charlie Welsh hat hessian.AI in einem kompetitiven Auswahlverfahren drei herausragende Forschende für die Leitungen von DEPTH-Nachwuchsgruppen bestellt. Das DEPTH-Programm dient der Förderung von Postdoktorand*innen mit dem Karriereziel Professur: Ausgezeichneten Nachwuchswissenschaftler*innen wird die Gelegenheit geboten, unabhängig zu forschen und zu lehren. DEPTH-Nachwuchsgruppenleiter*innen verfügen über eine herausragende Promotion sowie über Postdoc-Erfahrung von in der Regel bis zu 4 Jahren. Sie sind wissenschaftlich nach internationalen Qualitätsmaßstäben ausgewiesen und verfügen über die potentielle Fähigkeit zur Übernahme von Lehr- und Leitungsaufgaben.
Weitere Informationen zu den DEPTH-Nachwuchsgruppen und ihren Leitungen
Martin Mundt, DEPTH-Nachwuchsgruppenleitung “Open World Lifelong Learning (OWLL)”
Die OWLL-Nachwuchsgruppe zielt darauf ab, neue Methoden zu entwickeln und Teilbereiche miteinander zu verbinden, um die nächste Generation von KI-Systemen zu schaffen, die in einer „offenen Welt“ kontinuierlich lernen können. Solche Systeme können nicht nur im Laufe der Zeit aus Erfahrungen lernen, sondern auch erfolgreich neue Situationen erkennen und aktiv Daten zum Trainieren auswählen, während sie sich autonom auf robuste und interpretierbare Weise anpassen.
Um diese Ziele zu erreichen, wird sich das OWLL auf Forschungsarbeiten konzentrieren, die eine ganzheitliche Perspektive auf sich entwickelnde Daten, adaptive Modelle und sich ändernde Bewertungsanforderungen von vornherein in den Entwurfsprozess einbeziehen.
Devendra Singh Dhami, DEPTH-Nachwuchsgruppenleitung “Causality And neUro-Symbolic artificial intelligence (CAUSE)”
Devendra Singh Dhami ist unabhängiger Nachwuchsgruppenleiter für “Causality And neUro-Symbolic artificial intElligence (CAUSE)” innerhalb des Hessischen Zentrums für Künstliche Intelligenz (hessian.AI) und der TU Darmstadt. Seine Forschungsinteressen sind vielschichtig und konzentrieren sich derzeit darauf, maschinelle Lernmodelle über Korrelationen hinaus in Richtung Kausalität zu bringen und dabei neue Methoden zu entwickeln und Teilbereiche miteinander zu verbinden, um Systeme zu schaffen, die nicht nur lernen, sondern auch erfolgreich Schlüsse mit Deep-Learning-Systemen ziehen können.
Charles F. Welsh, DEPTH-Nachwuchsgruppenleitung mit dem thematischen Bezug zu „Grenzen der anpassbaren Spracherzeugung und Wahrnehmungsmodelle“
Charles Forschung konzentriert sich auf die Grenzen der anpassbaren Spracherzeugung und Wahrnehmungsmodelle. Er interessiert sich dafür, wie Textattribute wie Toxizität und Empathie interagieren und zur gegenseitigen Verbesserung genutzt werden können, und wie diese Techniken zur Untersuchung von Bevölkerungsgruppen eingesetzt werden können. Durch eine bessere Modellierung sowohl von Menschen als auch von Spracheigenschaften möchte er die Sprachtechnologie nützlicher machen und ein besseres Verständnis dafür entwickeln, wie verschiedene Gruppen von Menschen die Welt sehen. Mit einem besseren Verständnis dafür, für wen wir Probleme lösen, können wir Modelle nachhaltiger trainieren, die Umweltkosten senken und eine integrativere Forschungsgemeinschaft unterstützen.
