Notice: Function _load_textdomain_just_in_time was called incorrectly. Translation loading for the wordpress-seo domain was triggered too early. This is usually an indicator for some code in the plugin or theme running too early. Translations should be loaded at the init action or later. Please see Debugging in WordPress for more information. (This message was added in version 6.7.0.) in /mnt/web013/d1/89/511415689/htdocs/wp/wp-includes/functions.php on line 6114 Notice: Function _load_textdomain_just_in_time was called incorrectly. Translation loading for the polylang domain was triggered too early. This is usually an indicator for some code in the plugin or theme running too early. Translations should be loaded at the init action or later. Please see Debugging in WordPress for more information. (This message was added in version 6.7.0.) in /mnt/web013/d1/89/511415689/htdocs/wp/wp-includes/functions.php on line 6114 MACHINE LEARNING for science —

Neueste Forschung
22. August 2024 Hanqi Zhou, Robert Bamler, Charley M. Wu, Álvaro Tejero-Cantero

Den Wissenserwerb nachvollziehen, um lebenslanges personalisiertes Lernen zu ermöglichen

Mehr lesen
Neueste Forschung
18. April 2024 Rita González-Márquez

20 Millionen Papers gleichzeitig durchforsten und neues Wissen freilegen

Mehr lesen
Science Storys
7. März 2024 Sarah Bioly

Die Monsune und den El Niño besser verstehen

Mehr lesen
Debatte
14. August 2023 Tilman Gocht, Martin Krohs

Neue Wege in der Wissenschaftskommunikation: Der Themenkanal „KI und Nachhaltigkeit“

Mehr lesen
Neueste Forschung
22. August 2024 Hanqi Zhou, Robert Bamler, Charley M. Wu, Álvaro Tejero-Cantero

Den Wissenserwerb nachvollziehen, um lebenslanges personalisiertes Lernen zu ermöglichen

Online-Lernplattformen sind beliebte Apps, um eigenständig Wissen zu erwerben. Allerdings haben sie auch gravierende Schwächen. Wir stellen hier einen neuen Algorithmus vor, mit dem der Wissenserwerb von Lernenden genauer verfolgt werden kann. Indem die Wissensvermittlung an deren persönliche Lernstile angepasst wird, lässt sich der Lernprozess beflügeln. 
Science Storys
7. März 2024 Sarah Bioly

Die Monsune und den El Niño besser verstehen

Bedartha Goswami will eine Brücke bauen zwischen Maschinellem Lernen und den Klimawissenschaften. Das ist nicht einfach, denn bei der Methodenentwicklung im Maschinellen Lernen wird die Anwendung für den Klimabereich oft nicht mitbedacht. Goswamis Lösung: Er ist Teamplayer und hat in seiner Gruppe die interdisziplinäre Expertise versammelt, die für echte Durchbrüche in den Klimawissenschaften erforderlich ist.
Debatte
14. August 2023 Tilman Gocht, Martin Krohs

Neue Wege in der Wissenschaftskommunikation: Der Themenkanal „KI und Nachhaltigkeit“

„KI und Nachhaltigkeit“ – ob zum Mitdiskutieren, Fragen stellen oder einfach sich informieren: Das alles gibt es seit dem 4. April 2023 auf der Wissenschafts- und Debattenplattform te.ma. Mit diesem neuen Ansatz wollen der Exzellenzcluster „Maschinelles Lernen“ und te.ma im komplizierten Dickicht der Wissenschaftskommunikation neue Impulse für den Dialog mit der Öffentlichkeit setzen.

Artikelübersicht

Neueste Forschung
22. August 2024 Hanqi Zhou, Robert Bamler, Charley M. Wu, Álvaro Tejero-Cantero

Den Wissenserwerb nachvollziehen, um lebenslanges personalisiertes Lernen zu ermöglichen

Online-Lernplattformen sind beliebte Apps, um eigenständig Wissen zu erwerben. Allerdings haben sie auch gravierende Schwächen. Wir stellen hier einen neuen Algorithmus vor, mit dem der Wissenserwerb von Lernenden genauer verfolgt werden kann. Indem die Wissensvermittlung an deren persönliche Lernstile angepasst wird, lässt sich der Lernprozess beflügeln. 
Mehr lesen
Science Storys
7. März 2024 Sarah Bioly

Die Monsune und den El Niño besser verstehen

Bedartha Goswami will eine Brücke bauen zwischen Maschinellem Lernen und den Klimawissenschaften. Das ist nicht einfach, denn bei der Methodenentwicklung im Maschinellen Lernen wird die Anwendung für den Klimabereich oft nicht mitbedacht. Goswamis Lösung: Er ist Teamplayer und hat in seiner Gruppe die interdisziplinäre Expertise versammelt, die für echte Durchbrüche in den Klimawissenschaften erforderlich ist.
Mehr lesen
Debatte
14. August 2023 Tilman Gocht, Martin Krohs

Neue Wege in der Wissenschaftskommunikation: Der Themenkanal „KI und Nachhaltigkeit“

„KI und Nachhaltigkeit“ – ob zum Mitdiskutieren, Fragen stellen oder einfach sich informieren: Das alles gibt es seit dem 4. April 2023 auf der Wissenschafts- und Debattenplattform te.ma. Mit diesem neuen Ansatz wollen der Exzellenzcluster „Maschinelles Lernen“ und te.ma im komplizierten Dickicht der Wissenschaftskommunikation neue Impulse für den Dialog mit der Öffentlichkeit setzen.
Mehr lesen
Science Storys
15. Mai 2023 Kathrin Schwarze-Reiter

Mit KI die Welt ein bisschen besser machen

Mit einer Promotion im Maschinellen Lernen liegt einem die Welt zu Füßen. Wissenschaft, IT-Branche oder doch was ganz anderes? Für Poornima Ramesh ist die Antwort nun klar: Sie möchte Maschinelles Lernen einsetzen, um die Lebensbedingungen von Menschen dort zu verbessern, wo die Problemlagen am drängendsten sind. Dazu hat sie sich einem globalen Beratungs-, Datenanalyse- und Forschungsunternehmen angeschlossen.
Mehr lesen
Science Storys
25. Oktober 2022 Sarah Bioly

Die Energieversorgung der Zukunft vorhersagen

Wie stark die Sonne scheint und wie schnell der Wind weht, können wir nicht steuern. Um erneuerbare Energien besser zu nutzen, müssen wir jedoch berechnen können, wie Wetter und Klima sich verhalten. Die Modelle dazu entwickelt Nicole Ludwig, Expertin für maschinelles Lernen und nachhaltige Energien.
Mehr lesen
Neueste Forschung
18. Juli 2021 Tobias Rentschler , Ulrike Werban , Sandra Teuber, Karsten Schmidt , Thomas Scholten

So verbessert maschinelles Lernen die 3D-Bodenkartierung

Für Landwirtinnen und Landwirte ist es tagtäglich eine Herausforderung, dass sich Böden räumlich stark unterscheiden. Maschinelles Lernen kann die Kartierung von Bodeneigenschaften verbessern, sodass Landwirte das Düngen und Bewässern zeit- und kosteneffizient planen können.
Mehr lesen
Neueste Forschung
18. April 2024 Rita González-Márquez

20 Millionen Papers gleichzeitig durchforsten und neues Wissen freilegen

In der Biomedizin und den Lebenswissenschaften werden jedes Jahr mehr als eine Million Papers veröffentlicht - eine überwältigende Menge. Um die Orientierung in der Literatur zu erleichtern, haben wir mit Hilfe von maschinellem Lernen eine Karte der gesamten biomedizinischen Forschungslandschaft in Form einer interaktiven Webseite erstellt. Sie macht es möglich, 20 Millionen Veröffentlichungen gleichzeitig zu durchsuchen und Schnittmengen zwischen ihnen zu erkennen.
Mehr lesen
Science Storys
27. September 2023 Aikaterini Filippidou, Tilman Gocht

Wie man eine Ausstellung macht

Seit der Einrichtung der Cyber Valley-Initiative gibt es eine kontroverse Debatte über die Forschungen zu künstlicher Intelligenz (KI) und Maschinellem Lernen in Tübingen. Ausgerechnet dieses pittoreske Städtchen am Neckar soll einer der wichtigsten europäischen KI-Forschungsstandorte sein? Für viele eine Zumutung.
Mehr lesen
Neueste Forschung
7. September 2023 Anna Giron, Charley Wu

Lernen Menschen und Algorithmen auf die gleiche Weise?

Wenn Kinder erwachsen werden, ändert sich die Art und Weise, wie sie lernen, erheblich. Kinder handeln oft ohne erkennbare Absicht, Erwachsene zielgerichteter. Laut einer einflussreichen Theorie verhalten sich Optimierungsalgorithmen, die häufig bei maschinellem Lernen eingesetzt werden, ähnlich. Die nachfolgende empirische Untersuchung zeigt verblüffende Parallelen, aber auch gravierende Unterschiede zwischen menschlichem und maschinellem Lernen.
Mehr lesen
Science Storys
21. März 2023 Christian Baumgartner , Felix Strnad, Jakob Schlör, Philipp Berens, Alexandra Gessner, Philipp Hennig

Wie Dienstreisen klimafreundlicher werden

Tagung in Wien, Vortrag in Boston, Konferenz in London – wissenschaftliche Veranstaltungen dieser Art gehören zum Arbeitsleben von Forschenden. Dort trifft man auf die jeweilige scientific community und kann die eigene Forschung diskutieren, sich mit anderen austauschen oder auch Ideen für Kooperationen angehen. Doch wie kommt man nach London, Boston oder Wien?
Mehr lesen
Debatte
15. Februar 2023 Bubacarr Bah, Philipp Berens, Franca Hoffmann, Audrey Namdiero-Walsh, Wilfred Ndifon

Data Science und Maschinelles Lernen in Afrika – Entwicklungsperspektiven und Herausforderungen

Forschung im Bereich des maschinellen Lernens und den Datenwissenschaften in und aus Afrika hat das Potenzial, eine global wichtigere Rolle einzunehmen, und steht vor einzigartigen Herausforderungen. Mit seinen Graduiertenprogrammen bereitet das panafrikanische Netzwerk von AIMS (African Institute for Mathematical Sciences) junge Afrikaner*innen darauf vor, zu diesem Ziel beizutragen.
Mehr lesen
Neueste Forschung
24. Januar 2023 Valentyn Boreiko, Maximilian Augustin

Die Blackbox des Deep Learning bei der Bildklassifizierung öffnen

Deep-Learning-Algorithmen sind sehr gut darin, bestimmte Objekte wie einen Hund oder ein Auto in einem Bild zu erkennen. Aber wie funktioniert das eigentlich? Meistens bleiben die Mechanismen, die der Entscheidung eines Algorithmus zugrunde liegen, undurchsichtig. Wie wäre es, wenn wir einen solchen Black-Box-Algorithmus intuitiv erklären und dabei sogar daraus lernen könnten?
Mehr lesen
Neueste Forschung
29. November 2022 Katja Schwarz

Raus aus Platos Höhle: Maschinen erlernen die Dreidimensionalität unserer Welt

Ein 3D-Verständnis unserer Welt ist essentiell für zahlreiche Anwendungen im Bereich der erweiterten und virtuellen Realität, sowie für Simulationen. 3D-Trainingsdaten sind jedoch schwer zu beschaffen. Daher entwickeln wir einen Algorithmus zur Erstellung von 3D-Grafiken, der nur mit 2D-Bildern trainiert werden kann. Indem wir unseren Algorithmus so gestalten, dass er 3D-Daten effizient darstellen kann, halten wir den Rechenaufwand niedrig genug um den Übergang von 2D-Bildern zu 3D-Grafiken zu ermöglichen.
Mehr lesen
Debatte
13. September 2022 Larissa Höfling, Ilja Mirsky

Demokratie digital verwurzeln

Künstliche Intelligenz (KI) und Demokratie haben viele Berührungspunkte. Ob KI langfristig die Demokratie stärkt oder schwächt, ist jedoch offen. Es wird Zeit, dass wir uns als Forscher*innen und Bürger*innen mehr einmischen und gemeinsam eine Vision für eine digital versierte Demokratie entwickeln.
Mehr lesen
Neueste Forschung
25. Juli 2022 Eric Raidl, Sebastian Bordt, Michèle Finck, Ulrike von Luxburg

Soll künstliche Intelligenz sich selbst erklären?

Dass Algorithmen viele Dinge können, verblüfft uns nicht mehr. Nun können sie angeblich auch “erklären”. Aber wollen wir das?
Mehr lesen
Neueste Forschung
15. Juli 2022 Matthias Karlbauer, Timothy Praditia, Sebastian Otte, Sergey Oladyshkin, Wolfgang Nowak, Martin V. Butz

So verschmelzen wir physikalisches Wissen mit der Flexibilität neuronaler Netze

Diffusionsprozesse in der Natur sind hochkomplex, und Wissenschaftler arbeiten daran, sie im Detail zu verstehen. Mit einem neuen, von der Physik inspirierten künstlichen neuronalen Netz können wir solche Prozesse jetzt viel genauer modellieren und vorhersagen als bisher möglich.
Mehr lesen
Science Storys
20. April 2022 Sarah Bioly

Von Kapstadt und Khartum nach Tübingen

Unterschiedliche Perspektiven bringen die Forschung voran. Viel zu häufig wird Afrika dabei allerdings nicht mitgedacht. Mit einem Stipendienprogramm für junge Forschende soll sich das ändern. Für sechs Monate kommen fünf Talente aus afrikanischen Ländern nach Tübingen, um an Forschungsprojekten im maschinellen Lernen zu arbeiten.
Mehr lesen
Neueste Forschung
21. Februar 2022 Robert Geirhos

Sehen Maschinen wie Menschen? Immer mehr!

Eines Tages werden uns Maschinen vielleicht zur Arbeit fahren. In ungewohnten Situationen oder bei verrauschten Daten kommen sie heute allerdings noch ins Straucheln. Das liegt daran, dass Maschinen die Welt ganz anders sehen als wir Menschen. Diese Lücke beginnt sich aber zu schließen.
Mehr lesen
Neueste Forschung
21. Januar 2022 Linda Behringer, Maximilian Dax, Elke Müller

Maschinelles Lernen entschlüsselt Beben im Universum

Forschende trainieren ein neuronales Netz darauf, in nur wenigen Sekunden die Eigenschaften verschmelzender schwarzen Löcher anhand der abgestrahlten Gravitationswellen präzise abzuschätzen. Das Netzwerk bestimmt die Massen und Eigendrehimpulse der schwarzen Löcher, sowie wo am Himmel, in welchem Winkel und wie weit von der Erde entfernt die Verschmelzung stattgefunden hat.
Mehr lesen
Debatte
15. Dezember 2021 Bob Williamson

Es ist immer noch die Moral des Menschen, die in der KI steckt

Über ethische Aspekte der Künstlichen Intelligenz (KI) wird heute viel diskutiert. Weitverbreitet ist dabei die Ansicht, KI dürfe nie dazu dienen, Entscheidungen über Menschen zu treffen. "Einspruch!", sage ich dazu in diesem Blogbeitrag: Statt uns darüber Sorgen zu machen, was die KI alles über uns entscheidet, sollten wir unseren Blick von der Technik als solcher lösen und mehr auf diejenigen richten, die ihren Einsatz in Auftrag geben.
Mehr lesen
Science Storys
6. Dezember 2021 Theresa Authaler

KI-Systeme, die ihre Entscheidungen erklären

Viele Menschen stehen dem Einsatz von KI-Systemen skeptisch gegenüber. Ein Grund dafür ist, dass die Systeme zu intransparent sind. Zeynep Akata, Professorin für erklärbares maschinelles Lernen, will das ändern – und rückt die Perspektive der Nutzer ins Zentrum ihrer Forschung.
Mehr lesen
Neueste Forschung
6. Oktober 2021 Philipp Berens, Dmitry Kobak

Erster umfassender Atlas der Neuronentypen im Gehirn

Mit hunderten Forschenden aus aller Welt haben wir die Eigenschaften verschiedener Neuronentypen von Mäusen, Affen und Menschen untersucht. Dabei haben wir neueste experimentelle Techniken und Methoden aus dem Maschinellen Lernen zur Datenanalyse verwendet. Das Ergebnis ist ein einzigartiger Überblick über den motorischen Kortex und dessen Entwicklung im Laufe der Evolution.
Mehr lesen
Neueste Forschung
9. September 2021 Artur Speiser

Maschinelles Lernen verbessert superauflösende Mikroskopie

Die Einzelmolekül-Lokalisierungsmikroskopie ist eine leistungsstarke Methode, um zelluläre Strukturen mit Nanometerauflösung abzubilden. Wir haben DECODE entwickelt, einen auf Deep Learning basierenden Analysealgorithmus, der diese Technik schneller und noch präziser macht.
Mehr lesen
Neueste Forschung
19. Juli 2021 Michael Deistler, Jonathan Oesterle

Mit maschinellem Lernen Modelle in der Neurowissenschaft identifizieren

Computermodelle sind ein hervorragendes Werkzeug für die Analyse neuronaler Mechanismen. Doch die Modelle auf die Gehirnaktivität abzustimmen, ist eine große Herausforderung. Wir haben ein Werkzeug entwickelt, das diesen Prozess durch maschinelles Lernen automatisiert, und mit ihm eine Simulationsumgebung für ein Netzhautimplantat geschaffen.
Mehr lesen
Debatte
19. Juli 2021 Thomas Grote

Algorithmus und Mensch als Partner

Wer stellt die bessere medizinische Diagnose, Algorithmus oder Mensch? Aus Sicht von Technikphilosoph Thomas Grote ist dieser Wettstreit nicht zielführend. Er plädiert dafür, den Blick auf das Zusammenspiel der beiden zu richten – und betont die Bedeutung der Philosophie.
Mehr lesen
Science Storys
19. Juli 2021 Nina Himmer

Wenn künstliche Intelligenz den Herzinfarkt vorhersagt

Algorithmen werden immer besser darin, medizinische Bilder zu analysieren und Krankheiten zu erkennen. Die Forscher Christian Baumgartner und Sergios Gatidis - der eine KI-Experte, der andere Radiologe – rechnen damit, dass sich dadurch die Arbeit von Ärztinnen und Ärzten fundamental verändern wird.
Mehr lesen
Science Storys
19. Juli 2021 Theresa Authaler

Verantwortung kann man nicht an einen Algorithmus delegieren

Die Informatik-Professorin Ulrike von Luxburg spricht im Interview über die Möglichkeiten und Schwierigkeiten, Systeme des Maschinellen Lernens auf Fairness zu trimmen – und warum sie davon überzeugt ist, dass über bestimmte Fragen Menschen und nicht Maschinen entscheiden sollten.
Mehr lesen
Neueste Forschung
18. Juli 2021 Agustinus Kristiadi , Philipp Hennig

Wie man neuronale Netze mit Unsicherheiten ausstattet

Mit dem Bayesschen Formalismus kann man tiefe neuronale Netze um Unsicherheiten ergänzen. Bayessches Deep Learning gilt allerdings als umständlich und teuer. Neue Ergebnisse zeigen jedoch, wie eine kalibrierte Unsicherheit in tiefen Netzen erreicht werden kann - effizient und ohne die Vorhersagekraft zu beeinträchtigen.
Mehr lesen

Gefördert durch

Unsere Partner