"Wir forschen. Für Sie." IV: Maschinelles Lernen verstehen – eine physikalische Perspektive

Algorithmen des maschinellen Lernens (ML) durchdringen zunehmend unser Leben. Sie sagen vorher, aber ihre Entscheidungen bleiben oft opak, d.h. unzugänglich oder unverständlich. Richtlinien und Experten fordern mehr Transparenz und Erklärungen, als seien ML-Algorithmen Kommunikationspartner. Wir betrachten sie als physikalische Systeme, die mit ihrer Umwelt interagieren. Dies öffnet neue Perspektiven für unser Verständnis: Maschinelles Lernen ist eine Art anpassungsfähiges Verhalten. Opakheit entsteht durch Komplexität, die je nach Abstraktionsebene reduziert werden kann oder nicht. Verständnis entsteht dann nicht durch mehr Transparenz oder Erklärungen, auch nicht durch weniger Komplexität, sondern durch einen sinnvollen Wechsel der Abstraktionsebene. Die physikalische Perspektive gibt auch Anstöße für eine neue Generation von KI: wenn ML-Algorithmen physikalische Systeme simulieren können, ist dies auch umkehrbar, und somit können physikalische Systeme neue Arten Künstlicher Intelligenz verkörpern.

Zu den Personen: Dr. Miriam Klopotek studierte Physik in Berlin und Tübingen und wurde 2021 an der Universität Tübingen promoviert. Seit 2022 ist sie Gruppenleiterin am Stuttgarter Zentrum für Simulationswissenschaften (Exzellenzcluster SimTech). Seit 2023 ist sie Co-Leiterin (mit Eric Raidl) des WIN-Projekts „Komplexitätsreduktion, Erklärbarkeit und Interpretierbarkeit“ der Heidelberger Akademie der Wissenschaften. Sie interessiert sich für die Wechselwirkungen und Analogien zwischen künstlicher Intelligenz und physikalischer Dynamik, speziell der, die kondensierte Materie zugrunde liegt.

PD Dr. Eric Raidl studierte Philosophie, Informatik und Mathematische Logik in Berlin und Paris. 2014 wurde er an der Universität Paris Sorbonne promoviert und 2022 an der Universität Konstanz habilitiert. Er arbeitete an der École Normale Superieure Paris, der Universität Konstanz, und am University College Freiburg. Seit 2019 ist er an der Universität Tübingen als Co-PI des Philosophy and Ethics Lab im Exzellenzcluster „Maschinelles Lernen für die Wissenschaft“ tätig. Seine Themenbereiche sind Erkenntnistheorie, Philosophie der Wissenschaft, Logik und KI.

Zur Vortragsreihe: Seit nunmehr über 20 Jahren findet diese öffentliche Vortragsreihe statt, bei der Wissenschaftlerinnen und Wissenschaftler der Heidelberger Akademie der Wissenschaften sowie auch aus den sieben Schwesterakademien zu Wort kommen. Die Vorträge richten sich an ein breites Publikum, um Einblicke in die Forschungsarbeiten zu geben. Im Anschluss besteht die Möglichkeit, im Hofgarten der Akademie bei Brezel und Wein mit den Wissenschaftlerinnen und Wissenschaftlern ins Gespräch zu kommen.

Die Reihe findet in Kooperation mit der vhs Heidelberg statt.