News

TU Wien gründet Zentrum für AI und Machine Learning

Mit der Gründung des „Center for Artificial Intelligence and Machine Learning“ (CAIML) möchte sich die TU Wien im internationalen Spitzenfeld dieses Forschungsbereichs fest verankern.

stilisiertes Gehirn und Elektronik

Wir leben inmitten einer technologischen Revolution: Künstliche Intelligenz und maschinelles Lernen bestimmen zunehmend unseren Alltag – auch wenn uns das oft gar nicht bewusst ist. Computeralgorithmen schlagen uns Videos vor, die uns gefallen könnten, sie helfen uns im Auto, den richtigen Weg zu finden, und auch aus der wissenschaftlichen Forschung sind künstliche Intelligenz (Artificial Intelligence, AI) und maschinelles Lernen (Machine Learning, ML) nicht mehr wegzudenken.

An der TU Wien wird in diesem Fachbereich seit Jahren intensiv und mit großem Erfolg geforscht – und zwar an unterschiedlichen Instituten und Fakultäten, mit unterschiedlichen Methoden und Zielsetzungen. Um diese Forschungsinitiativen zu stärken, zu vernetzen und zusammenzuführen wurde nun an der TU Wien das Center for Artificial Intelligence and Machine Learning (CAIML) gegründet. Die Ziele sind hoch gesteckt: Man möchte damit die TU Wien im internationalen Spitzenfeld verankern, sowohl in der Forschung an AI und ML als auch in der Lehre. Zu den Vorbildern gehören ähnliche Initiativen des MIT oder der Stanford University.

Eröffnungsfeier mit Keynote-Lecture

Die Eröffnung des CAIML findet am 2.12.2021 um 16:00 statt, sie wird online übertragen. Um 16:30 wird Turing-Preisträger Leslie Valiant von der Harvard University die Keynote Lecture halten, danach wird das CAIML von Clemens Heitzinger und Stefan Woltran präsentiert, anschließend findet eine Podiumsdiskussion statt.

Näheres über die Veranstaltung, öffnet eine externe URL in einem neuen Fenster

Unterschiedliche Zugänge

In den letzten ein bis zwei Jahrzehnten kam es, nicht zuletzt durch deutlich gesteigerte Rechnerleistung, zu einem Boom in der AI- und ML-Technologie. „Was wir allerdings sowohl an der TU Wien als auch internal feststellen: In diesem Bereich haben sich im Lauf der Jahrzehnte verschiedene Communities entwickelt, die nicht so gut miteinander verflochten sind wie sie sein sollten“, sagt Prof. 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 auf unterschiedlichen Fachtagungen diskutiert werden. Wir möchten diese unterschiedlichen Richtungen nun zusammenführen.“

Auf der einen Seite steht die klassische oder symbolische „Artificial Intelligence“. Dort versucht man, Intelligenz mit klar definierten Regeln zu simulieren: Einem Schachcomputer etwa werden die Schach-Regeln einprogrammiert, er kann gar nicht dagegen verstoßen. Die mathematische Logik spielt dabei eine zentrale Rolle: Der Computer arbeitet symbolisch – also mit klar definierten Objekten wie etwa Schachfiguren, die bewegt werden sollen, oder mit Listen von Filmen, von denen ein passender ausgewählt werden soll. Der Algorithmus geht dabei auf nachvollziehbare, logisch erklärbare Weise vor.

Auf der anderen Seite steht das maschinelle Lernen. Dabei geht es oft 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. Dabei spielt die Statistik eine entscheidende Rolle, wie auch Differentialgleichungen, die in der Naturwissenschaft allgegenwärtig sind. Die Algorithmen arbeiten dabei nicht mit Objekten, deren semantische Bedeutung definiert sein muss, es geht ganz pragmatisch um die Suche nach der optimalen Lösung, gemessen an bestimmten vorgegebenen Kriterien. Mögliche Anwendungen reichen von der Robotik bis hin zur automatisierten Analyse von Röntgenbildern.

Die Verbindung: Erklärbare AI

„Diese beiden Lager, die symbolisch arbeitende AI und das maschinelle Lernen, haben sich aus historischen Gründen unterschiedlich entwickelt“, sagt Prof. Clemens Heitzinger vom Institut für Analysis und Scientific Computing. „Es zeigt sich aber immer deutlicher, dass erst ein Zusammenspiel der Methoden intelligente Systeme ermöglicht. Wichtige Faktoren sind auch die Datenmengen und die Rechenleistung, die es heutzutage möglich machen, Probleme zu lösen, die noch vor wenigen Jahren als unlösbar galten.“

Dieses Zusammenspiel findet sich insbesondere in der sogenannten „explainable AI“: „Wenn ein Algorithmus nützliche Ergebnisse liefert, ist das zwar ein wichtiger erster Schritt, aber man möchte eine künstliche Intelligenz nicht einfach nur als Black Box betrachten, sondern man will auch verstehen, wie sie zu ihrem Ergebnis gekommen ist, und wie zuverlässig dieses Ergebnis ist“, sagt Clemens Heitzinger. „Um das zu erreichen, müssen wir die unterschiedlichen Denkschulen vereinen.“

Das CAIML an der TU Wien soll dazu nun einen wichtigen Beitrag liefern: Mit gemeinsamen Forschungsinitiativen, Exzellenzprogrammen und Ausbildungs-Maßnahmen soll die Zusammenarbeit innerhalb der TU Wien gestärkt werden, gleichzeitig wird höchster Wert auf Internationalisierung gelegt: „Die TU Wien ist gerade im Bereich der Computerwissenschaften international bereits sehr gut vernetzt, wir wollen das weiter ausbauen und die TU Wien damit an der internationalen Spitze etablieren“, sagt Stefan Woltran. Gleichzeitig soll auch die Verbindung zwischen Grundlagenforschung und Anwendung weiter gestärkt werden: Das Know-how im Bereich von Artificial Intelligence und Machine Learning an der TU Wien soll auch für Forschungsgruppen zugänglich gemacht werden, die AI und ML als Werkzeuge für die eigene Forschung einsetzen wollen, auch Partnerunternehmen aus der Industrie sollen noch stärker als bisher an die TU Wien angebunden werden.

Website von CAIML: caiml.org, öffnet eine externe URL in einem neuen Fenster

Kontakt

Prof. Stefan Woltran
Institut für Logic and Computation
Technische Universität Wien
+43 1 58801 184 29
stefan.woltran@tuwien.ac.at

Prof. Clemens Heitzinger
Institut für Analysis and Scientific Computing
Technische Universität Wien
+43 1 58801 10167
clemens.heitzinger@tuwien.ac.at

Aussender:
Dr. Florian Aigner
Technische Universität Wien
PR & Marketing
Resselgasse 3, 1040 Wien
+43 1 58801 41027
florian.aigner@tuwien.ac.at