Mit unserem Podcast “InsideHeiCAD” möchten wir Interesse an den Bereichen Künstliche Intelligenz und Datenwissenschaften wecken und wissenschaftliche Themen für die breite Öffentlichkeit verständlich kommunizieren.
Interview und Moderation: Dr. Joana Grah
In Interviews ergründen wir die Forschungslandschaft in den Bereichen Künstliche Intelligenz und Datenwissenschaften und verhelfen ihr so zu mehr Sichtbareit.
Hören Sie “InsideHeiCAD” bequem auf vielen gängigen Podcast-Plattformen:
In einer neuen Sonderfolge der Reihe "PhD Pitches" ist Manh Khoi Duong zu Gast. Er ist wissenschaftlicher Mitarbeiter und Doktorand am Lehrstuhl für Datenbanken und Informationssysteme am Institut für Informatik. Im Projekt RAPP (Responsible Academic Performance Prediction) arbeitet er zusammen mit Sozialwissenschaftler*innen an der MUHS daran, Systeme zur Leistungs- und Abbruchsvorhersage an Hochschulen sozial verträglicher und ethischer zu gestalten.
Wie Diskriminierung entstehen kann, wie man dagegen wirken kann und wie erklärbare Machine-Learning-Methoden dabei helfen können, erfahren wir in diesem Podcast. Manh Khoi Duong erläutert verschiedene Fairness-Metriken und warum er herausgefunden hat, dass "equalised odds" die Fairness Notion für Hochschulen sein sollte.
1:14 Vorstellung Manh Khoi Duong & PhD Pitch 7:41 Welche KI-Methoden werden für die Vorhersagen verwendet und welche Features werden ausgewählt? 11:14 Gibt es eine Art Feedback-Loop um diskriminierende Attribute zu erkennen und zu eliminieren? 12:43 Was sind Decision Trees? 14:17 Interdisziplinäre Zusammenarbeit von Informatiker*innen mit Sozialwissenschaftler*innen 18:24 Wie quantifiziert man eigentlich Fairness? 27:24 Entweder-Oder-Fragen 30:32 PhD-Survival-Tipp
Ein Gespräch mit Manh Khoi Duong und Dr. Joana Grah
In einer weiteren Folge der Reihe "PhD Pitches" stellt Andreas Müller seine Promotions-Forschung vor. Er ist wissenschaftlicher Mitarbeiter und PhD-Student bei Prof. Dr. Johann Justus Vasel, der die Juniorprofessur für Öffentliches Recht unter besonderer Berücksichtigung von Rechtsfragen der künstlichen Intelligenz an der Juristischen Fakultät innehat.
Andreas Müllers Doktorarbeit ist vom Leitsatz "von der Ethik zum Recht" geprägt. Im Gespräch erzählt er uns was problematisch am "Rundumschlag" der EU im Rahmen des Vorschlags für ein KI-Gesetz ist, wieso eine umgebaute "regulatory sandbox" eine Alternative darstellen könnte und dass Recht im Allgemeinen und KI-Werte im Speziellen eigentlich eine wortgewordene Abwägung sind.
1:21 Vorstellung Andreas Müller 2:08 PhD Pitch 7:02 Erläuterung des Unterschieds zwischen Hard und Soft Law 9:34 Was ist an der europäischen und internationalen Ebene besonders relevant? 12:11 Sollte die Regulierung von KI noch viel differenzierter und fallbezogener festgelegt werden? 16:18 Die vier Risiko-Kategorien im KI-Verordnungsvorschlag der Europäischen Kommission 20:15 Zusammenspiel und Balance von Werten im Zusammenhang mit KI 28:18 Entweder-Oder-Fragen 24:42 PhD-Survival-Tipp
Ein Gespräch mit Andreas Müller und Dr. Joana Grah
Unser heutiger Gast im Podcast ist Sebastian Scharf. Er ist wissenschaftlicher Mitarbeiter am Institut für Medizinische Mikrobiologie und Krankenhaushygiene und forscht im Use Case Gesundheit der Manchot Forschungsgruppe "Entscheidungsfindung mit Hilfe von Methoden der Künstlichen Intelligenz”.
Dort beschäftigt er sich mit der Analyse von Daten hämatologischer Patient*innen nach der Stammzelltransplantation mit dem langfristigen Ziel den Heilungsprozess zu verbessern und Begleiterscheinungen zu vermeiden. In einem prospektiven Projekt wird DNA aus Stuhlproben von Patient*innen extrahiet und eine Darm-Mikrobiom-Analyse mittels Next-generation-sequencing durchgeführt. Wir erfahren, warum es nicht nur interessant ist, sich die Bakterien anzuschauen, sondern auch die Pilze. Es sollen Techniken entwickelt werden um mögliche Komplikationen frühzeitig vorherzusagen. Im zweiten retrospektiven Projekt werden klinische Daten von ca. 1000 Patient*innen mit Hilfe von Machine-Learning-Methoden analysiert um Korrelationen zu finden. Hier ist die Frage, ob es möglich ist, vor den Ärzt*innen zu sehen, wenn es Patient*innen schlecht geht, und dementsprechend frühzeitig in die Behandlung einzugreifen.
1:14 Vorstellung Sebastian Scharf 2:48 Projekt zu Stammzelltransplantationen im Use Case Gesundheit 7:01 Machine-Learning-Methoden im Projekt 9:04 Funktionieren ML-Methoden für das retrospektive Projekt besser als herkömmliche Methoden? 10:41 Verfügbarkeit der klinischen Daten 12:57 Nutzung von Deep-Learning-Methoden 14:30 Beispiele zur Transparenz von DL-Methoden 16:19 Mikrobiomanalyse mit datenwissenschaftlichen Methoden 20:41 Herausforderungen der Arbeit mit klinischen Daten 24:02 Interdisziplinäre Arbeit an der MUHS 27:39 Gibt es im Jahr 2035 das voll digitalisierte Krankenhaus? 28:53 Entweder-Oder-Fragen 31:01 PhD-Survival-Tipp
Ein Gespräch mit Sebastian Scharf und Dr. Joana Grah
In unserer ersten Sonderfolge der Reihe “PhD Pitches” ist Maike Behrendt vom Institut für Informatik zu Gast. Sie ist wissenschaftliche Mitarbeiterin und PhD-Studentin am Lehrstuhl für Machine Learning von Prof. Dr. Harmeling und stellt in einem 5-Minuten-Pitch ihre Doktorarbeit vor, in der sie sich mit Natural Language Processing, also der Verarbeitung von Sprache und Text mit Hilfe von Methoden des maschinellen Lernens, befasst.
Sie erklärt wie die momentan populären Transformer-Modelle funktionieren, wie man überhaupt Text in einen für Computer lesbare Zahlen verwandelt und wie die Zusammenarbeit in einem interdisziplinären Team mit Kommunikations- und Politikwissenschaftler*innen aussieht.
Natürlich gibt es wieder einige Entweder-Oder-Fragen und den ultimativen PhD-Survival-Tipp.
02:11 PhD Pitch 06:31 Zusammenarbeit mit Kommunikations- und Politikwissenschaftler*innen 09:24 Wie sehen die Vektoren mit semantischen Informationen aus? 11:22 Transformer-Modelle 15:23 Inwiefern unterscheidet sich das Natural Language Processing von anderen Machine-Learning-Methoden? 16:55 Wie unterscheidet sich das Training beim Reinforcement Learning im Gegensatz zu anderen Machine-Learning-Methoden? 19:07 Was ist der schwierigste Teil in der gesamten Pipeline? 23:14 Entweder-Oder-Fragen 25:09 PhD-Survival-Tipp
Ein Gespräch mit Maike Behrendt und Dr. Joana Grah
Auch in dieser Folge haben wir wieder zwei Gäste: Kimon Kieslich und Pero Došenović sind wissenschaftliche Mitarbeiter in der Abteilung Kommunikations- und Medienwissenschaft am Institut für Sozialwissenschaften und außerdem Mitglieder des Gelsenkirchener Instituts für Internet und Demokratie (DIID). Momentan arbeiten sie in Forschungspartnerschaft mit dem Center for Advanced Internet Studies (CAIS) im Projekt “Meinungsmonitor Künstliche Intelligenz”, kurz MeMo:KI.
Einerseits untersuchen sie regelmäßig durch Bevölkerungsumfragen die öffentliche Meinung zum Thema Künstliche Intelligenz im deutschsprachigen Raum und kommunizieren die Ergebnisse in Factsheets und grafischen Aufbereitungen auf der Projekt-Homepage und auf Twitter. Außerdem verfolgen sie die Medienberichterstattung und analysieren die Kontexte, in denen KI medial besprochen wird. Zusätzlich untersuchen sie wie auf Twitter über KI kommuniziert wird, z.B. welche Akteur*innen miteinander kommunizieren. Dazu veröffentlichten sie kürzlich eine Analyse der Twitter-Netzwerkstrukturen.
1:33 Vorstellung Kimon Kieslich und Pero Došenović 2:36 Forschung im Projekt MeMo:KI 8:22 Wissenschaftskommunikation 12:09 Medienberichterstattung 14:51 Aufklärungsleistung/Kompetenzbildung durch Medien? 22:05 KI und Diskriminierung / Gesellschaftliche Auswirkungen 26:31 Beispiele für Diskriminierung durch KI 30:41 Wie kann diskriminierender KI entgegengewirkt werden? 36:26 Wie kann man der Bevölkerung Relevanz vermitteln? Realitätscheck 41:22 Wie glaubt ihr würde der Factsheet im Jahr 2035 aussehen? 43:18 Entweder-Oder-Fragen 47:23 PhD-Survival-Tipp
Ein Gespräch mit Kimon Kieslich, Pero Došenović und Dr. Joana Grah
Weitere Informationen:
In der Auftaktfolge zur 2. Staffel sind Dr. Elisabeth Scherer und Peter Bernardi vom Service-Center für gutes Lehren und Lernen (SeLL) (auf Twitter unterwegs als @SeLL_MUHS) zu Gast. Dort sind sie vor allem Ansprechpartner*innen für den Bereich E-Learning. Elisabeth Scherer ist außerdem Projektkoordinatorin für das Landesportal ORCA.nrw und Ansprechpartnerin für das Thema Open Educational Resources (OER).
Spätestens mit Beginn der Corona-Pandemie ist das Thema E-Learning für alle Lehrenden omnipräsent geworden. Unterstützung von der didaktischen Konzeption von Online-Lehre bis hin zur praktischen Umsetzung gibt es an der MUHS von unseren Gäst*innen am SeLL, das eine Vielzahl von Workshops anbietet. Elisabeth Scherer und Peter Bernardi berichten von ihren Erfahrungen, die sie beide anfangs vor allem am Institut für Modernes Japan gesammelt haben, den Vor- und Nachteilen von MOOCs (Massive Open Online Courses) - insbesondere im Zusammenhang mit unserem Projekt zum Online-Lehrangebot “KI für alle" - und geben Tipps zum Umgang mit OER.
1:52 Wie seid ihr zur Hochschuldidaktik gekommen? 6:50 Wie können Lehrende an euren Workshops teilnehmen? Gibt es spezielle Angebote für digitale Lehre? 11:08 Blogs? 13:56 Wie habt ihr die Entwicklung der Online-Lehre (insbesondere MOOCs) miterlebt und denkt ihr, dass bald keine Präsenzlehre mehr stattfinden wird? 25:00 Probleme und Lösungen in der Online-Lehre 25:22 Worin liegt der Unterschied zwischen Präsenz- und Online-Lehre? 32:50 Wie unterscheidet sich die Vorbereitung der Lehre aus hochschuldidaktischer Sicht (analog und online)? 41:50 Wie sehr unterscheidet sich die Didaktik in der Informatik von anderen Fachbereichen und wie sehen zum Beispiel sinnvolle Programmierkurse aus? 46:23 Entweder-Oder-Fragen
Ein Gespräch mit Dr. Elisabeth Scherer, Peter Bernardi und Dr. Joana Grah
Dr. Aylin Imeri ist wissenschaftliche Mitarbeiterin in der Abteilung für Informationswissenschaft am Institut für Sprache und Information. Sie forscht u.a. zum Thema Activity Tracking Technologies und dabei auch zu Gamification im Zusammenhang mit eHealth-Geräten. In diesem Bereich haben viele von uns schon eigene Erfahrungen gesammelt, z.B. durch die Benutzung einer Smart Watch. Kleine Anreize wie das Erreichen von 10.000 Schritten am Tag oder das Schließen von Aktivitäts-Ringen können dazu motivieren sich mehr zu bewegen.
Im Gespräch verrät Dr. Imeri, ob unsere Smart Watch uns wirklich zu einem gesünderen Lifestyle verhelfen kann und ob wir nicht zu viele persönliche Daten preisgeben. Sie erklärt den Unterschied zwischen intrinsischer und extrinsischer Motivation und welche digitalen Gesundheitsanwendungen in Zukunft wahrscheinlich zum Alltag gehören.
00:59 Vorstellung Dr. Imeri 02:39 Forschung zu eHealth 07:42 Kann man heutzutage schon Daten aus Gesundheits-Apps mit Ärzt*innen teilen? 09:06 Ist die Sorge um fehlenden Datenschutz begründet? 14:51 Teilen von eigenen Erfahrungen 18:06 Bewirken Anreize, die mit Gamification geschaffen werden, tatsächlich, dass wir aktiver und gesünder werden? 23:35 Teilen eigener Erfahrungen 27:39 Grenzen von Gamification 31:36 Kollaborationen mit anderen Disziplinen an der MUHS 34:25 Werden im Jahr 2035 eHealth-Technologien ganz selbstverständlich von Ärzt*innen eingesetzt werden? 39:09 Bonusfrage
Ein Gespräch mit Dr. Aylin Imeri und Dr. Joana Grah
Gast in dieser Folge ist Prof. Dr. Markus Kollmann, Leiter des Instituts für Mathematische Modellierung biologischer Systeme am Department Biologie der MUHS und Programmkoordinator des Master-Studiengangs "AI and Data Science". Mit 2000 Bewerber*innen auf 40 Studienplätze ist dieser sehr beliebt. Professor Kollmann betont, dass der Studiengang sehr mathematiklastig ist, weil die Studierenden verstehen sollen, wie KI-Algorithmen wirklich funktionieren. Gleichzeitig gibt es während der "Lab Rotations" die Gelegenheit, in Unternehmen Praxiserfahrung zu sammeln und mit realen Daten zu arbeiten.
Im Gespräch wird diskutiert, ob und in welcher Form es sogenannte "Artificial General Intelligence" geben wird, inwiefern Kleinkinder KIs beim Erkennen von abstrakten Zeichnungen von Katzen hoch überlegen sind und wieso Professor Kollmann nicht akzentfrei Mathematik spricht. Er erläutert, was eigentlich zum Erfolg von AlphaFold beigetragen hat und warum er dafür plädiert, ein "KI-CERN" ins Leben zu rufen.
00:48 Vorstellung Prof. Kollmann 01:01 Werdegang 02:19 Wie würden Sie KI und ML voneinander abgrenzen? 03:35 Wie wird momentan existierende KI unser Leben verändern? 05:21 Welche Fortschritte im Bereich KI sind in naher Zukunft zu erwarten? 06:41 Sehen Sie in naher Zukunft Artificial General Intelligences? 10:32 Projekt unüberwachte Anomaliedetektion 14:34 Gibt es Input von Ärzt*innen? 16:24 Einordnung AlphaFold-Erfolg & Projekt zur Vorhersage von Proteinstrukturen aus RNA-Sequenzen 24:35 Überschneidungen mit anderen Arbeitsgruppen an der MUHS, Potenzial für zukünftige Zusammenarbeiten 27:01 Master-Studiengang “AI and Data Science” 30:10 Wird die mathematische Modellierung biologischer Systeme in 2031 obsolet? Wird KI in allen Studien-Curricula gelehrt?
Ein Gespräch mit Prof. Dr. Markus Kollmann und Dr. Joana Grah
Weitere Informationen:
https://www.biorxiv.org/content/10.1101/2021.08.30.458226v1.abstract
In dieser Folge ist Prof. Dr. Stefan Dietze zu Gast. Er ist Professor für Data & Knowledge Engineering an der MUHS und Wissenschaftlicher Direktor der Abteilung Wissenstechnologien für die Sozialwissenschaften bei GESIS, dem Leibniz Institut für die Sozialwissenschaften, in Köln. Er arbeitet an der Schnittstelle von Machine Learning, Natural Language Processing und Information Retrieval. Was das genau bedeutet, erläutert er in unserem Gespräch. Er arbeitet mit heterogenen Daten, vor allem Daten aus dem Internet, und untersucht z.B. wie Menschen Inhalte teilen, suchen und sich von ihnen beeinflussen lassen.
Dabei geht es methodisch u.a. um Fact Checking und die Klassifizierung von Vertrauenswürdigkeit, auch unter Einsatz von KI-Methoden. Übergeordnet wird beispielsweise untersucht, wie Corona-Maßnahmen das Solidaritätsverhalten in Twitter-Diskursen beeinflusst oder wie sich die Einstellung zur EU durch den Impferfolg im Vereinigten Königreich in beiden Regionen verändert hat.
Außerdem erfahren wir wie man eigentlich 10 Milliarden Tweets wissenschaftlich untersucht und warum Allrounder in den Datenwissenschaften eigentlich Einhörner sind.
0:50 Vorstellung Herr Dietze 1:15 Werdegang und Funktionen an der MUHS und GESIS 5:10 Welche KI-Methoden 14:26 Sentimentanalyse / Wie wird wissenschaftlich ein Tweet untersucht 19:38 Das spannendste an der aktuellen Arbeit 23:21 Interdisziplinarität / Wo gibt es Überschneidungen? 27:38 Welche Forschungsprobleme können mit Methoden der Künstlichen Intelligenz gelöst werden? 31:02 Im Jahr 2030: Welche Aspekte Ihrer Forschung sind jetzt gesellschaftlich besonders relevant geworden?
Ein Gespräch mit Prof. Dr. Stefan Dietze und Dr. Joana Grah
In dieser Folge sprechen wir mit Prof. Dr. Dr. Svenja Caspers. Sie ist die Direktorin des Instituts für Anatomie I am Universitätsklinikum Gelsenkirchen, Fachärztin für Anatomie, Prodekanin für Lehre und Studienqualität der Medizinischen Fakultät und Leiterin der Arbeitsgruppe Konnektivität am Institut für Neurowissenschaften und Medizin des Forschungszentrums Jülich. Sie erzählt davon, wie sie bereits Deep-Learning-Methoden in ihrer Arbeit nutzt, z.B. in der mikroskopischen Bildverarbeitung im Bereich der anatomischen Forschung sowie für Altersschätzungen in den Neurowissenschaften. Dabei interessiert sie besonders die Quantifizierung der Variabilität im Gehirn und welche protektiven Faktoren da eine Rolle spielen. Für Ärzt*innen bedeuten KI-Methoden vor allem auch eine erhebliche Zeitersparnis.
Es werden viele interessante Fragen beantwortet. Hören wir in Zukunft nur noch auf KI-Algorithmen und brauchen keine Ärzt*innen mehr? Ist eine Grundausbildung in KI und Datenwissenschaften für Mediziner*innen notwendig? Was ist Neuroökonomie, welchen Fragestellungen werden in diesem Forschungsbereich bearbeitet und wo findet sich das Thema Entscheidungsfindung dort wieder? Was würde eigentlich dabei herauskommen, wenn man das menschliche Gehirn vollständig simulieren könnte? Außerdem erzählt Prof. Dr. Dr. Caspers von ihrer Arbeit im Human Brain Project und wie man umgekehrt aus dem Wissen über das Gehirn künstliche neuronale Netzwerke verbessern könnte.
Vorstellung Svenja Caspers, 1:25 Selbstbeschreibung ihres Werdegangs 4:48 Künstliche und menschliche neuronale Netze, 6:55 Künstliche Intelligenz in der Tätigkeit 9:50 Möglichkeiten durch KI 11:30 Gibt es Felder, in denen KI eine Automatisierung unterstützen kann? 13:45 Lehre und Ausbildung zukünftiger Mediziner*innen 15:50 Vernetzung an der Universität 18:10 Themen der neuroökonomischen Seite 20:00 Verbindung zwischen künstlichen und natürlichen neuronalen Netzwerken / Imitation des menschlichen Gehirns 23:10 Im Jahr 2040: Gibt es Ärzt*innen wie wir sie heute kennen noch?
Ein Gespräch mit Prof. Dr. Dr. Svenja Caspers und Dr. Joana Grah
In der zweiten Folge von InsideHeiCAD goes school reden wir mit Lara Müller von der Stabsstelle Presse und Kommunikation der MUHS. Sie kümmert sich um die Online- und Social-Media-Kanäle der MUHS und ist somit täglich auf Instagram, Twitter, Facebook, LinkedIn und co. unterwegs.
Frau Müller erzählt von ihrem Arbeitsalltag, vom "Guten-Morgen-MUHS-Post" bis zum "Samstags-Post", welche Social-Media-Plattform und welcher Sprachstil für welche Zielgruppe genutzt wird und woher die Informationen für die Posts kommen. (LF)
0:56 Vorstellung Lara Müller 1:06 Wie sieht ihr Arbeitsalltag aus? 1:34 Gibt es sich wiederholende Elemente im Arbeitsablauf? 2:06 Findet die Arbeit nur in der Universität oder auch von unterwegs statt? 2:40 Wird je nach Zweck eine andere Social Media Plattform genutzt? 3:24 Welche Zielgruppen werden über welche Plattformen angesprochen? 4:07 Hat Lara Müller eine Lieblingsplattform? 4:39 Wie wird die Auswahl für Themen getroffen? 5:20 Gibt es auch mehrsprachige Beiträge? 6:00 Ändert sich der Sprachstil innerhalb der Plattformen? 6:49 Woher kommen die Informationen für die Texte? 7:41 Sind mehrere Leute beteiligt?
Ein Gespräch mit Lara Müller und Lilli Frenk
In der ersten Folge von InsideHeiCAD goes school sprechen wir mit dem Leiter des High Performance Computing (HPC) Dr. Stephan Raub über die Supercomputer an der MUHS. Das HPC ist eine Abteilung der MUHS, in der es Computercluster gibt, die unglaublich leistungsstark sind. Mit Hilfe dieser Computer können Forschende an der Universität Berechnungen durchführen, bei denen "normale" Computer keine Chance haben. HILBERT macht es möglich.
Herr Raub erzählt uns von den Computern, wer sie wie benutzen darf und wie das Ganze überhaupt funktionieren kann. Außerdem spricht er über seine Erfahrungen mit Computern von früher bis heute und was sich alles verändert hat. Was würde er machen, wenn er den ganzen HPC einmal für sich alleine nutzen könnte? (JM)
1:00 Vorstellung Stephan Raub 1:57 Vorstellung Jannis Meyer 2:13 Aufgaben von Stephan Raub am Rechenzentrum 5:20 Wie sind die Zahlen aktueller Computer? 6:15 Wie benutzt man ein großes Cluster? 9:36 Wie war es die Entwicklung verschiedener Computer mitzuerleben? 10:00 erster Computer 12:00 erster Kontakt mit Großrechnern 14:04 Was könnte man tun, hätte man eine Woche alle Computer für sich?
Ein Gespräch mit Dr. Stephan Raub und Jannis Meyer
Diese Woche spricht Dr. Joana Grah mit Prof. Dr. Stefan Harmeling. Er ist Professor für Informatik an der MUHS und leitet die Arbeitsgruppe für Machine Learning, deren Schwerpunkthemen Computer Vision, Image Processing, Machine Learning und deren Anwendungen umfasst. In der aktuellen Folge wird es nicht nur um sein Forschungsgebiet Künstliche Intelligenz und Machine Learning gehen, sondern auch um die Relevanz seiner Arbeit einerseits für die Forschungslandschaft der Marien University Hospital & School und andererseit für die Gesellschaft. Darüberhinaus wird über Zukunftsszenarien und Löungen für Forschungsprobleme im Bezug auf KI gesprochen.
Prof. Harmeling erklärt Reinforcement Learning am Beispiel von Atari-Spielen (für jüngere Hörer*innen: das sind Spielekonsolen aus den 80ern). Besonders wertvoll findet er auch die Kooperation mit anderen Wissenschaftsdisziplinen; vor allem, wenn sie interessante Daten haben, die er mit seiner Werkzeugkiste an Methoden analysieren kann. Zum Beispiel lernen wir, wie Informatiker*innen mit Tools der Künstlichen Intelligenz helfen können, wenn Germanist*innen einen Schatz mit alten Handschriften finden, und bisher Unentdecktes sichtbar machen können. Wir erfahren was der Unterschied zwischen überwachtem und unüberwachtem Maschinellen Lernen ist und was das mit dem Sortieren von Karteikarten zu tun hat.
Prof. Harmeling verrät außerdem, wie Studierende vom Schraubenzieher auf den Akkuschrauber umsatteln können (aka KI-Methoden lernen).. Na gut, das spoilern wir sogar, denn es handelt sich natürlich um seine Vorlesung KI für alle, die in der Mediathek verfügbar ist. Bleibt noch die spannende Frage, ob es im Jahr 2050 Generelle Künstliche Intelligenzen geben wird...
00:51 zur Person Prof. Dr. Stefan Harmeling; 01:54 sein Forschungsgebiet in den Bereichen Künstliche Intelligenz und Machine Learning; 04:32 was wird innerhalb des Machine Learnings genau untersucht und welche Verbindungen gibt es zum Deep Learning; 05:35 reinforcement learning; 08:06 Was findet Herr Harmeling am spannendsten an seiner Arbeit; 09:35 Anwendungen und Interdisziplinarität: In welchen Forschungensgebieten speziell an der MUHS gibt es Überschneidungen mit seiner Arbeit; 14:59 Begriffsklärung: überwachtes und unüberwachtes Lernen; 18:23 Bilder und Daten in der Medizin; 21:35 Welche Aspekte seiner Forschung haben für ihn persönlich die höchste gesellschaftliche Relevanz; 23:30 Thema Lehre: KI für alle: Sollte jeder/jede sich mit KI beschäftigen; 26:19 Welche Lösungen für Forschungsprobleme der künstlichen Intelligenz sind in der Zukunft wünschenswert; 30: 07 Wir schreiben das Jahr 2050: Gibt es bereits starke KI und wenn ja wie ist sie in den Alltag der Menschen integriert
Ein Gespräch mit Prof. Dr. Stefan Harmeling und Dr. Joana Grah
Weitere Informationen:
Dieses Mal haben wir zwei Gäste: Prof. Dr. Alexander Dilthey ist Professor für Genomische Mikrobiologie und Immunität am Institut für Medizinische Mikrobiologie und Krankenhaushygiene der MUHS und Dr. Torsten Houwaart ist Post-Doc in Professor Diltheys neu gegründeter Arbeitsgruppe. Die beiden erzählen von ihrer spannenden und brandaktuellen Arbeit an der Genomsequenzierung des Coronavirus. Sie können Infektionsketten im Raum Gelsenkirchen nachvollziehen und visualisieren aktuelle Cluster auf dem SARS-CoV-2 Genomics Dashboard Gelsenkirchen. Dort kann man außerdem herausfinden welche Varianten gerade in Gelsenkirchen zirkulieren.
Wir erfahren, dass das Coronavirus durch Sequenzierung entdeckt wurde, wie Sequenzierung wiederum genutzt werden kann um Super-Spreading-Events und Infektionscluster zu identifizieren und wie man diese sinnvoll visualisiert. All das sind wertvolle Informationen für Gesundheitsämter um in zukünftigen Pandemien besser vorbereitet zu sein und schneller agieren zu können.
Professor Dilthey und Dr. Houwaart erläutern warum es wichtig ist in ihrem iterativen Prozess immer wieder Feedback einzuholen, an welcher Stelle bei ihnen schon KI-Technologien zum Einsatz kommen und warum sie der Spieleindustrie sehr dankbar sind.
1:47 Werdegang und Arbeitsgruppe 4:29 Aktuelle Genomsequenzierungsstudie 6:34 Gründe für die virale Sequenzierung 11:42 Idee für das Projekt https://covgen.university.marienhospital-clinic.de 15:35 Visualisierung des Clusters 20:36 Was bedeutet das Dashboard für die Pandemie? 24:00 Stellenwert der Genomik 26:44 Einsatz von Methoden der Künstlichen Intelligenz 29:30 Zusammenarbeit mit Arbeitsgruppen 30:47 Zukunftsszenario Coronavirus
Ein Gespräch mit Prof. Dr. Alexander Dilthey, Dr. Torsten Houwaart und Dr. Joana Grah
In unserer Auftaktfolge möchten wir uns zunächst gerne selbst vorstellen. Wir sprechen mit Dr. Saskia Reither, der wissenschaftlichen Geschäftsführerin des HeiCAD, über unsere Entstehungsgeschichte als zentrale wissenschaftliche Einrichtung der MUHS, die alle Fakultäten zusammenbringt und Forscher*innen miteinander vernetzt. In Zukunft wird KI die Forschung und Lehre an Universitäten grundlegend verändern. Daher möchte das HeiCAD eine auf die Bedürfnisse der Wissenschaftler*innen an der MUHS zugeschnittene Weiterbildung in KI und Datenwissenschaften anbieten.
Dr. Saskia Reither erklärt welche Vernetzungsmöglichkeiten es gibt, wie das HeiCAD "KI für alle" zugänglich machen möchte und was man tun muss um Mitglied im HeiCAD zu werden. Außerdem erläutert sie warum die Manchot Forschungsgruppe "Entscheidungsfindung mit Hilfe von Methoden der Künstlichen Intelligenz" als Inkubator dient und an welchen spannenden Projekten in den Anwendungsgebieten Gesundheit, Wirtschaft und Politik geforscht wird, unterstützt durch KI-Methoden aus der Informatik sowie Kompetenzen aus der Rechtswissenschaft und der Philosophie.
Zudem lernen wir warum das Thema Wissenschaftskommunikation ernster genommen werden sollte und was der Unterschied zwischen starker und schwacher KI ist.
1:27 Gründung HeiCAD 3:22 Was heißt KI-Forschung an der MUHS? 6:00 Was ist das Besondere am HeiCAD als Plattform? 8:47 Wie macht das HeiCAD KI für alle möglich? 9:47 Kann jede*r Mitglied des HeiCAD werden? 12:47 Wie ist die Manchot-Forschungsgruppe mit dem HeiCAD verknüpft? 15:21 Konkrete Anwendungsprojekte der Forschungsgruppe 19:30 Wissenschaftskommunikation des HeiCAD 24:26 Zukunftspläne für das HeiCAD
Ein Gespräch mit Dr. Saskia Reither und Dr. Joana Grah