MAKE steht für Machine leArning and Knowledge Engineering – die Herausforderungen, die wir während des zweitägigen MAKEathon angehen, werden durch eine Kombination aus maschinellem Lernen und explizitem Wissen bewältigt.

Die Veranstaltung wird physisch stattfinden. Anmeldung ist erforderlich.

Wo?

Die Veranstaltung findet im Hauptgebäude der Fachhochschule Nordwestschweiz FHNW in Olten (CH) statt. Die vom Bundesrat und der FHNW empfohlenen Gesundheitsschutzmassnahmen werden eingehalten. Die neuesten Nachrichten dazu finden Sie hier.

Was macht den MAKEathon so besonders?

MAKEathon hat zum Ziel, KI-basierte Lösungen für globale Herausforderungen zu entwickeln, indem die Stärken von maschinellem Lernen und Knowledge Engineering kombiniert werden.

Motivation & Hintergrund

Organisationen sowohl aus der Forschung als auch aus der Industrie sind mehr denn je bestrebt, KI-Lösungen zu nutzen, um sich einen Wettbewerbsvorteil zu verschaffen. Die Erfahrung bei der Anwendung von Künstlicher Intelligenz hat gezeigt, dass es keine “Einheitslösung” für alle gibt.

Viele KI-Lösungen berücksichtigen oft nur Ansätze des maschinellen Lernens. Maschinelles Lernen hilft bei der Lösung komplexer Aufgaben auf der Grundlage von Daten aus der realen Welt anstelle von bereits vorhandenem Wissen oder reiner Intuition. Es eignet sich am besten für Anwendungen, bei denen wir das angewandte Wissen nicht kennen oder wenn das Wissen nicht bekannt ist. Denken Sie an die Gesichtserkennung, mit der ein System Personen auf Fotos erkennen und identifizieren kann. Je größer und genauer die Trainingsmenge ist, desto besser ist das Ergebnis. Tritt jedoch ein neues (in der Trainingsmenge nicht vorgesehenes) Szenario ein, kann der ML-basierte Objekterkennungsalgorithmus versagen, indem es eine falsche Klassifizierung vornimmt (z. B. wenn das Bild einer Person auf einer Strassenwerbung für einen echten Menschen gehalten wird). Dies zeigt, dass datengesteuerte Lösungen weit davon entfernt sind, intelligent zu sein und eine grosse Datenmenge benötigen, um akkurate Schlussfolgerungen zu ziehen.

Zusätzlich gibt es Anwendungsbereiche, für die es wichtig ist, dass Maschinen ihre Vorschläge begründen können. Dies ist insbesondere dann der Fall, wenn Entscheidungen schwerwiegende Folgen haben können, wie im Bankwesen, bei Versicherungen oder in der Medizin. In der Medizin könnte ein Arzt beispielsweise eine Diagnose oder Therapie nicht akzeptieren, wenn sie nicht ausreichend erklärt wird. Viele Unternehmen sind stark reguliert und müssen daher Gesetze und Vorschriften einhalten. Anwendungsspezifisches Domain-Wissen kann mit Hilfe von wissensbasierten Systemen dargestellt werden, die Wissen explizit machen und ihre Schlussfolgerungen erklären können.

Angesichts ihrer sich ergänzenden Stärken und Schwächen wird zunehmend auf KI-Lösungen geachtet, die beide Ansätze – Knowledge Engineering (KE) und maschinelles Lernen (ML) – integrieren. Während des MAKEathon’s verfolgen wir diese Idee, um innovative Prototypen und neue Lösungsansätze zu entwickeln.

Verwandte Veranstaltung

Der MAKEathon umfasst das Lernen und die Experten des AAAI-MAKE Spring Symposium on Combining Machine Learning with Knowledge Engineering. Das AAAI-Symposium findet seit März 2019 jährlich an der Stanford University statt und versammelt weltweit KI-Forscher und -Praktiker.

×