{"id":21688,"date":"2024-12-19T09:30:40","date_gmt":"2024-12-19T08:30:40","guid":{"rendered":"https:\/\/www.unifr.ch\/alma-georges?p=21688"},"modified":"2024-12-19T09:30:21","modified_gmt":"2024-12-19T08:30:21","slug":"er-will-die-ki-mit-weniger-trash-fuettern","status":"publish","type":"post","link":"https:\/\/www.unifr.ch\/alma-georges\/articles\/2024\/er-will-die-ki-mit-weniger-trash-fuettern","title":{"rendered":"Er will die KI mit weniger Trash f\u00fcttern"},"content":{"rendered":"

Learning More From Less<\/em>; das ist das Ziel von Bastian Grossenbacher-Rieck. Der neue Professor f\u00fcr Machine Learning will k\u00fcnstliche Intelligenz effizienter machen \u2013 damit sie weniger Energie frisst und bessere Resultate liefert.<\/strong><\/h4>\n
<\/div>\n

\u00abEs ist vergleichbar mit der Zeit zu Beginn des \u00d6lrauschs\u00bb, sagt Bastian Grossenbacher-Rieck. Er ist Professor f\u00fcr Machine Learning am Departement f\u00fcr Informatik und denkt bei seinem pointierten Vergleich an den aktuellen Umgang mit Daten und k\u00fcnstlicher Intelligenz. \u00ab\u00dcberall hat es Daten und es wird einfach mal gemacht, was geht. St\u00e4ndig werden noch mehr Daten darauf gesch\u00fcttet und es wird geschaut, was f\u00fcr coole Dinge damit gemacht werden k\u00f6nnen. Das darf am Anfang so sein, aber irgendwann m\u00fcssen wir einen Schritt weiterkommen.\u00bb<\/p>\n

\u00abEs gibt Limiten in der Natur\u00bb
\n<\/strong>Wie das Erd\u00f6l ist n\u00e4mlich auch die Kapazit\u00e4t der Datenverarbeitung endlich. \u00abEs gibt Limiten in der Natur, das kann nicht wegdiskutiert werden. Irgendwann l\u00e4sst sich das Datacenter nicht mehr gen\u00fcgend k\u00fchlen\u00bb, sagt Grossenbacher-Rieck und weist darauf hin, dass Microsoft bereits damit experimentiert hat, Datacenter im Meer zu versenken, um sie so zus\u00e4tzlich zu k\u00fchlen.<\/p>\n

Der Datenschwall bringt aber auch noch ein weiteres Problem mit sich: \u00abSeit es ChatGPT gibt, hat es im Internet viel mehr Daten, die bereits von k\u00fcnstlicher Intelligenz erzeugt wurden. Es ist unklar, was ein Modell damit macht, wenn es wieder seine eigenen Daten zum Trainieren kriegt. Wird es dadurch schlechter? Driftet es in eine gewisse Richtung ab?\u00bb Wahrscheinlich reproduziert die KI die eigenen Fehler immer und immer wieder. Mehr Daten darauf zusch\u00fctten, hilft da nicht unbedingt.<\/p>\n

ERC Starting Grant
\n<\/strong>Learning More From Less<\/em>, lautet deshalb der Slogan, mit dem Bastian Grossenbacher-Rieck sein Projekt angepriesen hat, f\u00fcr das er einen prestigetr\u00e4chtigen Starting Grant des European Research Council (ERC) erhalten hat. \u00abDie Idee ist, effizientere, kleinere Modelle zu bauen, die mindestens so gut sind wie die grossen.\u00bb HOLES \u2013 Higher-Order Learning of Essential Structures with Geometry and Topology, <\/em>heisst der Titel des Projekts, das im Januar anl\u00e4uft und f\u00fcnf Jahre dauert. \u00abIn der Geometrie geht es um die Details, um das Kleine, die Topologie ist f\u00fcr das grosse Ganze zust\u00e4ndig. Ich will die beiden Bereiche ins maschinelle Lernen bringen, sie vereinen, indem ich mir Zusammenh\u00e4nge und \u00dcberschneidungen anschaue. So will ich neue Methoden im Machine Learning aufbauen.\u00bb<\/p>\n

Das klingt alles kompliziert \u2013 und ist es auch. Konkret geht Bastian Grossenbacher-Rieck mit seinem Team in drei Schritten vor. Bevor sie ein Modell entwickeln, schauen sie sich die Daten selbst an, untersuchen etwa, ob sich Singularit\u00e4ten finden lassen, Regionen in den Daten, in denen die urspr\u00fcnglichen Annahmen nicht mehr zutreffen. \u00abEin anschauliches Beispiel ist da ein Modell, das mit handschriftlichen Notizen trainiert wird. Da kann eine 7 auch einmal aussehen wie eine 1, entsprechend weiss das Modell nicht, was es machen soll.\u00bb In einem zweiten Schritt geht es darum, dem Modell St\u00fctzr\u00e4der zu verleihen, ihm zu sagen, was es in diesen F\u00e4llen machen muss. \u00abGleichzeitig kontrollieren wir, dass das Training in die richtige Richtung l\u00e4uft.\u00bb In einem dritten Schritt wird dann das Modell neu gef\u00fcttert, mit neuen KI-Architekturen versehen, damit gewisse Merkmale in den Daten besser extrahiert werden k\u00f6nnen.<\/p>\n

Ist schlanke KI \u00fcberall m\u00f6glich?
\n<\/strong>Am besten kennt sich Bastian Grossenbacher-Rieck in den Bereichen Netzwerkstrukturen und Graphen aus. Dort sei es definitiv sinnvoll, auf weniger Daten zu setzen. Auch wenn man mit Molek\u00fclen arbeite, sei das der Fall. Doch l\u00e4sst sich die Idee der schlanken, aber smart gef\u00fctterten KI auf alle Bereiche \u00fcbertragen? \u00abEs gibt Sachen, die sicher sehr viele Daten ben\u00f6tigen. Ich denke da an die Bildverarbeitung. Aber ich bin \u00fcberzeugt, dass es in sehr vielen Bereichen Platz f\u00fcr effizientere Modelle hat. Wir sind da als Community noch erst am Anfang.\u00bb<\/p>\n

Fr\u00fcherkennung bei Autismus und Alzheimer?
\n<\/strong>Sein inneres Feuer f\u00fcr die Materie brennt lichterloh, die Begeisterung ist Bastian Grossenbacher-Rieck in jedem Satz anzuh\u00f6ren. Was treibt ihn an? Einerseits sei ihm genaues Verst\u00e4ndnis wichtig. \u00abBei der KI wissen wir teils immer noch nicht genau, warum sie funktioniert \u2013 die theoretischen Grundlagen fehlen zu einem Grossteil.\u00bb Andererseits will er seinen Teil dazu beitragen, dass maschinelles Lernen in der Praxis zu sinnvollen Fortschritten f\u00fchrt. \u00abDie Neurowissenschaften haben mich inspiriert\u00bb, sagt Grossenbacher-Rieck, dessen Frau \u00c4rztin ist. Es st\u00fcnden viele Daten zur Verf\u00fcgung, etwa wenn Magnetresonanztomographien (MRT) durchgef\u00fchrt w\u00fcrden. \u00abMit Kollegen aus Yale sind wir derzeit dran, zu schauen, ob eine Fr\u00fcherkennung von Autismus-Spektrum-St\u00f6rungen m\u00f6glich ist.\u00bb Die gleiche Hoffnung gilt bei Alzheimer. \u00abDort ist die Datenlage sehr gut. Dank der MRT gibt es \u00fcber einen Zeitraum von mehreren Jahren immer wieder Bilder, auf denen das Fortschreiten der Krankheit erkennbar ist. Noch ist alles sehr retrospektiv, wenn dereinst prospektiv diagnostiziert und der Krankheit entgegengewirkt werden k\u00f6nnte, w\u00e4re das ein Traum.\u00bb<\/p>\n

Pingpong zwischen Mathematiker_in und Maschine
\n<\/strong>Traum ist auch das Wort, das Grossenbacher-Rieck verwendet, wenn er von einem Assistenzsystem f\u00fcr Mathematiker_innen spricht. \u00abEin KI-System und Mathematiker_innen, die zusammenarbeiten, um neues mathematisches Wissen zu schaffen, eine spezialisierte KI, mit der wissenschaftliches Pingpong gespielt werden kann \u2013 eine interessante Vorstellung.\u00bb Der Weg f\u00fchrt seiner Meinung nach auch da wieder \u00fcber eine schlanke, effiziente KI. \u00abEin Schachcomputer muss auch keine Kochrezepte kennen\u00bb, sagt Grossenbacher-Rieck.<\/p>\n

Der Professor aus Heidelberg mag anschauliche Vergleiche \u2013 und hat ein Flair f\u00fcr Unterhaltung. Auf seiner Website f\u00fchrt er drei verschiedene Lebensl\u00e4ufe auf. In der Version \u00abepisch, aber h\u00f6chst unprofessionell\u00bb schreibt er, schon als Kind habe der kleine Bastian die unheimliche F\u00e4higkeit gehabt, \u00fcberall Muster zu erkennen \u2013 selbst in der Kohlsuppe, einer Spezialit\u00e4t aus seiner Region. \u00abAuch in Forschung und Lehre k\u00f6nnen ein wenig Humor und ab und zu ein Augenzwinkern nicht schaden\u00bb, sagt er dazu.<\/p>\n

Auf Youtube pr\u00e4sent
\n<\/strong>M\u00f6glichst viele Leute mitzunehmen, ist Bastian Grossenbacher-Rieck wichtig, es ist seiner Meinung nach sogar eine Verpflichtung der Universit\u00e4ten der Allgemeinheit gegen\u00fcber. Auch deshalb ist der 38-J\u00e4hrige unter anderem auf Youtube pr\u00e4sent. Das entsprechende Equipment kaufte er sich w\u00e4hrend der Pandemie, als er an der ETH Z\u00fcrich unterrichtete. Momentan zeigt er seinen knapp 2300 Abonnent_innen relativ lange Fachvortr\u00e4ge. \u00abDie Videos sind nicht professionell geschnitten und ziemlich roh. Wenn ich richtig in Freiburg angekommen bin, m\u00f6chte ich gerne das n\u00e4chste Level erreichen.\u00bb Er kann sich zum Beispiel f\u00fcnf- bis zehnmin\u00fctige Themen- und Erkl\u00e4rvideos vorstellen. \u00abSch\u00f6n w\u00e4re, wenn die Studierenden einen Teil dazu beitragen w\u00fcrden.\u00bb<\/p>\n

Hub f\u00fcr Machine Learning
\n<\/strong>Grossenbacher-Rieck ist seit August als Professor an der Universit\u00e4t Freiburg t\u00e4tig. \u00abEs gef\u00e4llt mir sehr gut, ich bin immer noch dabei, m\u00f6glichst viele Leute zu treffen\u00bb, sagt der junge Vater, der auch das AIDOS Lab (Artificial Intelligence for Discovering Obscured Shapes)<\/em> leitet. \u00abIch bin sehr interessiert an Kollaboration, gerne fungieren meine Gruppe und ich als Hub f\u00fcr Machine Learning. Es ist mir wichtig, den Leuten aufzuzeigen, dass wir in Freiburg nun \u00fcber mehr Kompetenzen in diesem Bereich verf\u00fcgen und sich alle bei Fragen gerne an uns wenden k\u00f6nnen.\u00bb<\/p>\n

Zur Person: <\/em>Bastian Grossenbacher-Rieck machte an der Universit\u00e4t Heidelberg zun\u00e4chst den Master in Mathematik und anschliessend denjenigen in Informatik, wo er zudem promovierte. Danach war er unter anderem als Senior Assistent an der ETH Z\u00fcrich, als Junior Fellow an der Technischen Universit\u00e4t M\u00fcnchen sowie als Arbeitsgruppenleiter am Helmholtz-Zentrum M\u00fcnchen t\u00e4tig. Seit August ist der 38-J\u00e4hrige Professor f\u00fcr Machine Learning an der Universit\u00e4t Freiburg. <\/em>Mehr zu seiner Forschung und seinen Interessen findet sich auf seiner Website.<\/em><\/p>\n

<\/div>\n________<\/span><\/p>\n
<\/div>\n