KI Lectures
Wie Künstliche Intelligenz Wissenschaft, Gesellschaft und unser Leben verändert – eine virtuelle Veranstaltungsreihe im Wintersemester 2021/22.
Künstliche Intelligenz als selbstlernende Technologie gewinnt in allen Bereichen der Gesellschaft und Wissenschaft immer mehr an Bedeutung. Die damit einhergehende digitale Transformation nimmt großen Einfluss auf die gegenwärtige sowie zukünftige Lebens- und Arbeitswelt. Sie wirft die Frage auf, wie Künstliche und menschliche Intelligenz zusammenarbeiten können. Gleichzeitig eröffnet der Fortschritt im Bereich der Künstlichen Intelligenz der Wissenschaft völlig neue Perspektiven. Von den Altertumswissenschaften über die Medizin bis zur Frage nach dem Ursprung des Universums: KI-gestützte Verfahren bereichern die Forschung in zahlreichen Disziplinen und bieten sowohl Chancen als auch neue Herausforderungen. Um die Weichen für diese gesellschaftlichen Entwicklungen zu stellen, bedarf es eines Dialogs, der das Thema Künstliche Intelligenz interdisziplinär in den Blick nimmt und gleichzeitig die gewonnenen Erkenntnisse mit technologischen, gesellschaftlichen sowie ethischen Fragestellungen verknüpft.
Die LMU lud im Wintersemester 2021/22 daher zu einer digitalen, öffentlichen Vortragsreihe mit renommierten Wissenschaftlerinnen und Wissenschaftlern ihrer Fakultäten ein: Vom 19. Oktober 2021 bis zum 08. Februar 2022 beleuchteten Forscherinnen und Forscher unterschiedlicher Fachdisziplinen die vielfältigen Facetten von Künstlicher Intelligenz, ihren Auswirkungen und Anwendungsmöglichkeiten in der Breite der Wissenschaften.
Kontakt: ringvorlesung-lmu@lmu.de
Programm:
Methoden der Künstlichen Intelligenz finden derzeit in fast jedem Bereich des öffentlichen Lebens Einzug. Sie ersetzen dort oftmals mit großem Erfolg lang bewährte klassische Verfahren. Ein ähnlich starker Einfluss von Künstlicher Intelligenz kann auch in vielen Wissenschaftsbereichen beobachtet werden, etwa in der Astronomie, der Medizin und sogar in den Geisteswissenschaften. Trotz dieses beeindruckenden Siegeszugs sind die Prozesse der Entscheidungsfindung von Künstlicher Intelligenz noch kaum verstanden. Zudem stellen unerwünschte Effekte wie unvorhergesehene falsche Entscheidungen ein Problem dar.
In ihrem Vortrag gibt Gitta Kutyniok, Professorin für Mathematik an der LMU, zunächst eine Einführung in die Künstliche Intelligenz und erläutert, weshalb diese neuen Methodiken so extrem erfolgreich sind. Anschließend geht sie darauf ein, inwieweit derzeit Entscheidungen von Künstlicher Intelligenz verstanden sind, und zudem Anwenderinnen und Anwendern erklärt werden können. Als Ausblick formuliert Gitta Kutyniok Anregungen, wie aus Sicht der Mathematik Transparenz, Erklärbarkeit und Sicherheit von Künstlicher Intelligenz erreicht werden können.
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.
Die Entwicklung maschineller Lernverfahren hat in den letzten Jahren zu enormen Veränderungen in der medizinischen Forschung geführt. Neue KI-basierte Analyse-Tools erlauben uns immer besser, die Komplexität von genetischer Prädisposition, sozialen Umweltfaktoren und biologischen Erkrankungsprozessen zu erfassen. Gleichzeitig wirkt KI-Technologie wie ein Katalysator für die Umsetzung von Forschung in klinische Anwendung: Es werden immer mehr Computermodelle entwickelt, die anhand medizinischer Big Data in der Lage sein sollen, die Vorhersage und Prävention schwerer Erkrankungsverläufe sowie die individualisierte Therapieplanung zu ermöglichen. Die tatsächliche Umsetzung scheitert jedoch noch in vielen Fällen an methodischen und infrastrukturellen Hürden sowie hohen regulatorischen und ethischen Anforderungen. Auf diese Herausforderungen muss die KI-basierte personalisierte Medizin Antworten finden, wenn der aktuelle KI-Hype tatsächlich zu einer kopernikanischen Wende in der Versorgung chronischer Systemerkrankungen führen soll.
Nikolaos Koutsouleris, Professor für Präzisionspsychiatrie an der Ludwig-Maximilians-Universität und am King’s College London, wird in seinem Vortrag über die aktuelle Entwicklung von KI-Verfahren in den klinischen Neurowissenschaften referieren und sich kritisch mit der Umsetzung dieser Tools in die klinische Praxis auseinandersetzen.
Prof. Dr. Nikolaos Koutsouleris ist Professor für Präzisionspsychiatrie an der LMU und Facharzt für Psychiatrie und Psychotherapie am Klinikum der LMU.
Künstliche Intelligenz (KI) und Big Data in Form digitaler Datenspuren bieten enormes Potenzial, um komplexe gesellschaftliche Herausforderungen zu erforschen und zu lösen. Im Kontext des Arbeitsmarkts wird KI zum Beispiel verwendet, um bürokratische Verfahren zu optimieren und mögliche Fehler menschlicher Entscheidungen zu minimieren. KI wird auch genutzt, um in digitalen Datenspuren Muster zu erkennen. Datenspuren entstehen zum Beispiel bei der Nutzung von Smartphones, IOT-Endgeräten oder beim Surfen im Internet. Leider wird bei der Anwendung von KI die Abhängigkeit von sozialen und ökonomischen Kontexten oft ignoriert, ebenso wie die Abhängigkeit von qualitativ hochwertigen Daten. Die Sorge um fehlende Fairness, einem wesentlichen Kriterium für eine gute Gestaltung der KI-Nutzung, wächst. Fairness bedeutet in diesem Kontext die adäquate Berücksichtigung verschiedener gesellschaftlicher Gruppen in der Datengrundlage und in der Mustererkennung.
Die Vorlesung skizziert aktuelle Entwicklungen bei der Nutzung von KI und Big Data in der Wirtschafts- und Sozialforschung. Frauke Kreuter erläutert, welche Fallstricke es bei der Anwendung gibt und wie die Scientific Community Fragen von Ethik und Privatsphäre in den Griff bekommen kann, ohne auf Reproduzierbarkeit und Nachnutzung von Daten verzichten zu müssen. Dabei wird der Blick auch auf wesentliche Voraussetzungen für eine gute Gestaltung der KI-Nutzung gerichtet.
Prof. Dr. Frauke Kreuter ist Inhaberin des Lehrstuhls für Statistik und Data Science in den Sozial- und Humanwissenschaften und Co-Direktorin der Data Science Center an der University of Maryland und der Universität Mannheim.
Die Meisterwerke der altorientalischen Literatur sind voller Lücken. Die Texte wurden in den letzten drei Jahrtausenden v. Chr. in Keilschrift auf Tontafeln geschrieben und sind nur in Fragmenten erfasst. Das Zusammenfügen der zerbrochenen Tafeln ist ein langwieriger Prozess: Trotz der wegweisenden Entdeckungen, die einer Hand voll Spezialistinnen und Spezialisten geglückt sind, liegen noch immer Tausende von Fragmenten in Museumsschränken, die bislang keiner Komposition zugeordnet werden können.
Hier setzt das von der Humboldt-Stiftung geförderte Projekt „Electronic Babylonian Literature“ (eBL) an. Ziel ist es, digitale Werkzeuge zu entwickeln, die den Prozess der Rekonstruktion automatisieren und damit dramatisch beschleunigen. In seinem Vortrag wird Enrique Jiménez verschiedene Methoden zur Automatisierung der Rekonstruktion altorientalischer Literatur auf der Basis Künstlicher Intelligenz vorstellen.
Prof. Dr. Enrique Jiménez ist Professor für altorientalische Literaturen am Institut für Assyriologie und Hethitologie an der Fakultät für Kulturwissenschaften der LMU.
Künstliche Intelligenz (KI) beeinflusst in einem immer stärkeren Maße unser alltägliches Handeln – und wird damit zum essentiellen Gegenstand ethischer Fragen: Sind die mit Künstlicher Intelligenz generierten Entscheidungen frei von Diskriminierung? Ist der Einsatz von KI-gesteuerten Robotern, beispielsweise in der Pflege, legitim, sinnvoll oder vielleicht sogar ethisch geboten? Wer oder welche Instanz übernimmt die Verantwortung, wenn ein vollständig autonomes KI-System fehlerhafte oder gar verbotene Handlungen vollzieht? Was heißt es überhaupt, dass eine KI „entscheidet“ oder „handelt“, beziehungsweise ist eine KI dazu überhaupt in der Lage? Und letztlich, ist es überhaupt möglich eine „moralische KI“ zu gestalten und welche theoretischen Ansätze werden hierzu in der Forschung diskutiert?
Die LMU hat zwei ihrer Wissenschaftlerinnen und Wissenschaftler sowie eine Absolventin darum gebeten, ihre Erkenntnisse und Ansätze zu den ethischen Herausforderungen Künstlicher Intelligenz im Rahmen der KI Lectures mit der Öffentlichkeit zu teilen.
Es diskutieren Fiorella Battaglia, Privatdozentin am Lehrstuhl für Philosophie und politische Theorie, Timo Greger, Wissenschaftlicher Koordinator sowie Co-Projektleiter „KI und Ethik“ an der Fakultät für Philosophie, Wissenschaftstheorie und Religionswissenschaft sowie die Absolventin Felicia Kuckertz, die einen Forschungspreis für ihre Bachelorarbeit zum Thema „KI-gestützte Militärroboter und moralische Verantwortung“ verliehen bekam. Die Moderation übernimmt Martin Wirsing, Professor für Informatik an der LMU und ein gefragter Experte im Bereich Programmierung, Softwaretechnik- und Entwicklung.
Teleskope sammeln immer größere Datenmengen über das Universum und ermöglichen so ein besseres Verständnis der fundamentalsten Eigenschaften unseres Kosmos, seiner Bestandteile und physikalischen Grundgesetze. Die dabei verwendeten Analysemethoden unterscheiden sich erheblich von klassischen Anwendungsfällen der Künstlichen Intelligenz. Die Schwierigkeit in der beobachtenden Kosmologie liegt darin, aus der Beobachtung großer Teilbereiche des Universums nahezu unsichtbare Signale mit großer Genauigkeit zu rekonstruieren.
Professor Daniel Grün, Inhaber des Lehrstuhls für Astrophysik, Kosmologie und Künstliche Intelligenz an der Fakultät für Physik der LMU, erklärt im Rahmen der KI Lectures die Bedeutung spezieller Architekturen und Trainingsmethoden, die die neuesten kosmologischen Messungen bereits heute entscheidend unterstützen. Zudem gibt der Astrophysiker einen Ausblick auf den Einsatz sogenannter generativer Modelle, mit denen die Maschine aus den verfügbaren Daten sozusagen lernt, wie die schwer greifbaren Strukturen des Universums in Wirklichkeit aussehen.
Prof. Dr. Daniel Grün ist Inhaber des Lehrstuhls für Astrophysik, Kosmologie und Künstliche Intelligenz an der Fakultät für Physik der LMU.
In einer Befragung des Centers for the Governance of Change aus dem Jahr 2021 befürworten mehr als 50 Prozent der Befragten in Europa die Idee, einen Teil ihrer Abgeordneten durch Algorithmen zu ersetzen. Vor allem Jüngere unterstützen diese Vorstellung einer Machtübernahme durch Künstliche Intelligenz (KI): 60 Prozent der 25- bis 34-Jährigen sind dafür.
Bei datengestützten Entscheidungsfindungen in der Statistik spielen Methoden, die der Künstlichen Intelligenz zugeordnet werden, eine wichtige Rolle. In seinem Vortrag stellt Helmut Küchenhoff Beispiele für Datenanalysen zur Umwelt-, Klima- und Wahlforschung vor, diskutiert deren politische Umsetzung und greift auch beispielhaft auf die Coronapandemie zurück
Prof. Dr. Helmut Küchenhoff ist Professor für Statistik am Institut für Statistik und Leiter des statistischen Beratungslabors an der LMU.
Nach vielen fiktionalen Beiträgen in der Weltliteratur erfährt der schillernde Begriff der Künstlichen Intelligenz seit Mitte des 20. Jahrhunderts vielfältige technische Umsetzungen. Sie führen nun im 21. Jahrhundert zu imposanten Entwicklungen in allen Bereichen von Wissenschaft und Gesellschaft.
In seinem Vortrag spricht Thomas Seidl, Professor für Informatik an der LMU, über aktuelle Entwicklungen der Künstlichen Intelligenz. Neben Betrachtungen zu Begrifflichkeit und Eingrenzung von Künstlicher Intelligenz stellt der Vortrag ausgewählte praktische Fragestellungen des maschinellen Lernens vor, insbesondere zur Vorbereitung und Analyse von Daten, die für das automatisierte Lernen nötig sind.
Zudem wird Prof. Seidl Einblicke in die Forschung am Munich Center for Machine Learning geben. Er wird auf die methodischen Grundlagen und die Entwicklung neuer Technologien bei Bild- und Spracherkennung eingehen. Außerdem zeigt er beispielhaft auf, worin die Herausforderungen bei der Anwendung von Methoden Künstlicher Intelligenz liegen.
Prof. Dr. Thomas Seidl ist Professor für Informatik. Er ist Inhaber des Lehrstuhls für Datenbanksysteme und Data Mining an der Fakultät für Mathematik, Informatik und Statistik und Direktor des Munich Center for Machine Learning.