Neues Zentrum für Artificial Intelligence und Machine Learning
TU Wien gründet neues Center for Artificial Intelligence and Machine Learning. Verstärkte Vernetzung aller inkludierten Forschungsdisziplinen soll nun auch mehr internationale Sichtbarkeit bringen.
Künstliche Intelligenz und maschinelles Lernen bestimmen zunehmend den Alltag von Menschen und Unternehmen. Computeralgorithmen schlagen Videos vor, sie helfen im Auto, den richtigen Weg zu finden. Entsprechend sind AI/KI (Künstliche Intelligenz/Artificial Intelligence) und ML (Maschinelles Lernen) seit langer Zeit auch fixer Bestandteil in der wissenschaftlichen Forschung.
An der TU Wien wird in diesen Fachbereichen seit vielen Jahren an unterschiedlichen Instituten und Fakultäten mit vielfältigen Methoden und Zielsetzungen intensiv geforscht. Um diese Forschungsinitiativen zu stärken und vernetzt zusammenzuführen, wurde nun das Center for Artificial Intelligence and Machine Learning (CAIML) gegründet. Die TU Wien soll damit auch im internationalen Spitzenfeld verankert werden und das sowohl in der Forschung als auch in der Lehre. Zu den Vorbildern gehören etwa die US-amerikanischen Eliteunis MIT oder Stanford.
Unterschiedliche Zugänge bei AI und ML
„Nicht zuletzt durch deutlich gesteigerte Rechnerleistung kam es in den letzten Jahren zu einem Boom in der AI- und ML-Technologie. Dabei haben sich verschiedene Communities entwickelt, die nicht so gut miteinander verflochten sind, wie sie sein sollten“, erläutert Stefan Woltran vom Institut für Logic and Computation der TU Wien. „Es gibt in der künstlichen Intelligenz ganz unterschiedliche Ansätze, die auch von unterschiedlichen Leuten in unterschiedlichen Fachjournalen und Fachtagungen diskutiert werden. Das wollen wir nun zusammenführen“, unterstreicht Woltran bei der Eröffnung, wo Turing-Preisträger Leslie Valiant von der Harvard University die Keynote Lecture hielt.
Inhaltlich stehen auf der einen Seite klassische oder symbolische „Artificial Intelligence“, wo Intelligenz mit klar definierten Regeln simuliert wird. Beispielhaft der Schachcomputer mit fix einprogrammierten Regeln — gegen die er nicht verstoßen kann. Eine zentrale Rolle spielt dabei die mathematische Logik. Der Computer arbeitet symbolisch – also mit klar definierten Objekten wie etwa Schachfiguren, die bewegt werden sollen. Der Algorithmus geht dabei auf nachvollziehbare, logisch erklärbare Weise vor.
Die erklärbare AI als Verbindung
Auf der anderen Seite steht das maschinelle Lernen. Dabei geht es primär um die Frage, wie sich Algorithmen durch große Datenmengen, Modelle und Simulationen verbessern und neue Erkenntnisse gewonnen werden. Algorithmen werden an bestimmten Daten „trainiert“, erst dadurch werden sie in die Lage versetzt, sinnvolle Ergebnisse zu liefern. Hier spielt die Statistik eine zentrale Rolle, wie auch die in der Naturwissenschaft allgegenwärtigen Differentialgleichungen. Es geht pragmatisch um die optimale Lösung – auf Basis von bestimmten vorgegebenen Kriterien. Anwendungen reichen von der Robotik bis hin zur automatisierten Analyse von Röntgenbildern.
„Die symbolisch arbeitende AI und das maschinelle Lernen haben sich aus historischen Gründen unterschiedlich entwickelt“, sagt Clemens Heitzinger vom Institut für Analysis und Scientific Computing. „Nun zeigt sich, dass erst ein Zusammenspiel der Methoden intelligente Systeme ermöglicht. Wichtige Faktoren für Problemlösungen sind auch die Datenmengen und die Rechenleistung“, betont Heitzinger. Aus Sicht des Experten findet sich dieses Zusammenspiel insbesondere in der sogenannten „Explainable AI“. „Wenn ein Algorithmus nützliche Ergebnisse liefert, will man dann auch das Ergebnis verstehen und wie zuverlässig es ist. Dafür müssen wir die unterschiedlichen Denkschulen vereinen“, sagt Clemens Heitzinger.
Vernetzte Forschungsdisziplinen und Kooperationen mit Industrie
Zu all diesen Fragen soll das CAIML an der TU Wien nun einen wichtigen Beitrag liefern. Mit gemeinsamen Forschungsinitiativen, Exzellenzprogrammen und Ausbildungs-Maßnahmen soll die Zusammenarbeit innerhalb der TU Wien gestärkt werden, gleichzeitig wird auf die Internationalisierung besonderes Augenmerk gelegt. „Die TU Wien ist gerade im Bereich der Computerwissenschaften international bereits sehr gut vernetzt, wir wollen das weiter ausbauen und uns so an der internationalen Spitze etablieren“, sagt Stefan Woltran.
Parallel verstärkt werden soll dabei auch die Verbindung zwischen Grundlagenforschung sowie anwendungsorientierter Forschung und den Anwendungen selbst. Das Know-how im Bereich von Artificial Intelligence und Machine Learning an der TU Wien soll auch interdisziplinär für andere Forschungsgruppen zugänglich gemacht und auch Partnerunternehmen aus der Industrie sollen damit noch stärker als bisher an die TU Wien angebunden werden.