Maschinelles Lernen

Maschinelles Lernen

Lernfähigkeit stellte eine zentrale Komponente von Intelligenz dar. Maschinelles Lernen ist das Untergebiet der künstlichen Intelligenz, das sich mit lernfähigen Algorithmen befasst. Diese Algorithmen lernen selbstständig Muster und Gesetzmäßigkeit in Daten zu erkennen und diese für Vorhersagen und Entscheidungen zu nutzen. Deep Learning ist ein prominentes Untergebiet des maschinellen Lernens, das künstliche neuronale Netze zum Modellieren der Muster und Gesetzmäßigkeiten verwendet, und welches im  letzten Jahrzehnt zu Durchbrüchen in zahlreichen Anwendungsgebieten wie der Schrift-, Bild- und Spracherkennung geführt hat. Auch die in jüngerer Zeit erreichten Meilensteine der künstlichen Intelligenz wie der Sieg des Go-Programms AlphaGo im Spiel gegen den weltbesten menschlichen Spieler, sind auf künstliche neuronale Netze zurückzuführen.

© CCS

Schwerpunkte

Innerhalb des Deep Learnings forscht das Team um Prof. Dr. Asja Fischer vor allem im Bereich der Analyse und Entwicklung von probabilistischen Methoden und Modellen. Dabei liegt ein Fokus auf der die Methoden untermauernden Theorie. Trotz des immensen Erfolgs von Deep Learning Algorithmen in vielen Anwendungsgebieten ist über ihre theoretischen Eigenschaften relativ wenig bekannt. Ein besseres Verständnis der mathematischen Eigenschaften ist jedoch von enormer Wichtigkeit, um diese Algorithmen robuster, verlässlicher, interpretierbarer und sicherer zu machen. Die Arbeitsgruppe forscht aber auch an der Anwendung neuronaler Netze auf spannende praktische Fragestellungen und in interdisziplinären Projekten. 

Folgende Schwerpunkte wurden in der bisherigen Forschung gesetzt: 

  • Entwicklung und Analyse generativer Modelle und MCMC-basierter Lernmethoden
  • Analyse der Optimierungsmethoden neuronaler Netze
  • Methoden zur Unsicherheitsabschätzung für die Vorhersagen neuronaler Netze
  • Biologisch-plausibles Deep Learning
  • Methoden zur Wissensgraphananalyse und Deep Learning für Question Answering über Wissensgraphen
  • Machine Learning für IT-Security und sicheres maschinelles Lernen