News

„KI Lectures”: Einblicke in die Künstliche Intelligenz - Entscheidungen verstehen und erklären

07.10.2021

LMU-Mathematikerin Gitta Kutyniok erläutert am 19. Oktober, wie KI funktioniert, wie sie zu ihren Entscheidungen kommt und was sie so erfolgreich macht.

Logo der KI Lectures

Künstliche Intelligenz als selbstlernende Technologie gewinnt in allen Bereichen der Gesellschaft und der Wissenschaft immer mehr an Bedeutung. Die digitale Transformation, die damit einhergeht, nimmt großen Einfluss auf die gegenwärtige sowie zukünftige Lebens- und Arbeitswelt.

In ihrem Vortrag im Rahmen der neuen „KI Lectures“ der LMU gibt Professorin Gitta Kutyniok, Inhaberin des Lehrstuhls für Mathematische Grundlagen der Künstlichen Intelligenz, eine Einführung in diese neuen Methodiken. Sie erläutert, warum sie so extrem erfolgreich sind und wie gut sich derzeit überhaupt verstehen lässt, wie Künstliche Intelligenz zu ihren Entscheidungen kommt. Außerdem formuliert Gitta Kutyniok Anregungen, wie aus Sicht der Mathematik Transparenz, Erklärbarkeit und Sicherheit von Künstlicher Intelligenz erreicht werden können.

19 Okt

KI Lectures: Einblicke in die Künstliche Intelligenz

Weiterlesen

Vortrag:

Prof. Dr. Gitta Kutyniok: „Einblicke in die Künstliche Intelligenz: Entscheidungen verstehen und erklären“

Dienstag, 19. Oktober 2021, 18:15 – 19:45 Uhr

Zur Anmeldung

Weitere Informationen über die „KI Lectures“

Kontakt: ringvorlesung-lmu@lmu.de

Drei Fragen an Prof. Dr. Gitta Kutyniok

Porträt von Prof. Dr. Gitta Kutyniok, Inhaberin des Lehrstuhls für Mathematische Grundlagen der Künstlichen Intelligenz an der Fakultät für Mathematik, Informatik und Statistik und Referentin der KI Lectures, in einem Serverraum

© LMU

Was hat zur Erfolgsgeschichte der KI in den vergangenen Jahren geführt?

Gitta Kutyniok: In der Tat ist KI keine neue Erfindung. Schon 1943 hatten Warren McCulloch und Walter Pitts das Ziel, KI zu entwickeln. Um einen algorithmischen Zugang zum Lernen zu finden, hatten die beiden Forscher die Idee, die Funktionalität des menschlichen Gehirns nachzubilden. Das Ergebnis waren künstliche neuronale Netze. Diese waren allerdings zu der damaligen Zeit nicht sonderlich erfolgreich, da es zum einen keine großen Datenmengen gab, um diese zu trainieren, und zum anderen keine ausreichende Rechenleistung, um mit tiefen Netzen – also Netzen mit vielen Schichten – zu arbeiten. Heute leben wir im Datenzeitalter mit Hochleistungsrechnern, und es sind genau diese beiden Aspekte, die zur Erfolgsgeschichte der KI in den vergangenen Jahren geführt haben.

Wie können wir besser verstehen, was KI eigentlich macht und warum sie manchmal so gut funktioniert?

Kutyniok: Eine erfolgreiche Herangehensweise, um KI-Entscheidungen zu verstehen, sind sogenannte Explainability-Methoden. Diese zielen darauf, die Black Box, die auf KI basierende Algorithmen immer noch darstellen, in dem Sinne zu öffnen, dass Bestandteile der Eingabedaten identifiziert werden, die die KI vornehmlich für ihre Entscheidung herangezogen hat. Lassen Sie mich dies an einem Beispiel verdeutlichen: Wenn ein auf KI basierender Algorithmus eine Bewerberin oder einen Bewerber als besonders geeignet für eine ausgeschriebene Stelle bewertet, könnte solch eine Explainability-Methode anzeigen, welche der Vorkenntnisse der Person vornehmlich zu dieser Entscheidung geführt haben. Solche Methoden sind ein wichtiger erster Schritt, dem natürlich weitere folgen müssen, um zum Beispiel auch falsche Entscheidungen zu erkennen, zu verstehen und zu verhindern.

Wie lässt sich nachvollziehen, wie Algorithmen lernen?

Kutyniok: Der konkrete Lernvorgang ist derzeit im Wesentlichen noch ein Mysterium. Man kennt zwar die (algorithmischen) Vorschriften, nach denen das Lernen erfolgt. Insbesondere aufgrund der hochkomplexen Daten wie etwa Millionen von Bildern, die für den Lernprozess herangezogen werden, ist es derzeit allerdings noch nicht möglich, Erfolg oder Misserfolg eines Lernvorgangs vorherzusagen, und das Lernen beruht somit vor allen Dingen noch auf „Trial-and-Error“. Um wirklich in der Tiefe zu verstehen, wie Algorithmen lernen, sind fundamentale Kenntnisse der mathematischen Grundlagen des Trainingsprozesses unerlässlich. Dies ist im Moment in der Tat ein Gebiet intensivster Forschungsaktivität.

Prof. Dr. Gitta Kutyniok ist Inhaberin des Lehrstuhls für Mathematische Grundlagen der Künstlichen Intelligenz an der Fakultät für Mathematik, Informatik und Statistik, der zu den aus der Hightech-Agenda des Freistaats Bayern finanzierten KI-Professuren gehört.

Wonach suchen Sie?