Exploring emotionally intelligent AI: An interview with Stefanie Krause ahead of the AI Grid Spring School
Bei AI Grid haben wir es uns zur Aufgabe gemacht, sinnvolle Gespräche über die Zukunft der künstlichen Intelligenz und ihre Auswirkungen auf die Gesellschaft zu fördern. Im Rahmen dieser Mission freuen wir uns, die Stimmen unserer Community-Mitglieder hervorzuheben, die mit ihrer Forschung und ihren Erkenntnissen das Feld prägen. Im Vorfeld unserer exklusiven Spring School in […]
Empowering Women in AI: An Interview with Deborah D. Kanubala
Künstliche Intelligenz (KI) prägt unsere Welt weiter auf tiefgreifende Weise, von der Automatisierung von Prozessen bis hin zur Verbesserung der Entscheidungsfindung. In Bezug auf Vielfalt und Inklusion, insbesondere für Frauen, steht das Gebiet jedoch vor Herausforderungen. Um Einblicke in diese Themen zu gewinnen und mögliche Lösungen zu erforschen, haben wir mit Deborah D. Kanubala gesprochen, […]
Prof. Dr. Daniel Braun
Dr. Sujata Goswami
Dr. rer. nat. Christian Limberg
ML: Bio-inspired Learning
Bio-inspired Learning explores computational models and algorithms inspired by biological systems, such as neural networks, evolution, and swarm intelligence. This approach aims to create efficient, adaptable, and intelligent systems by mimicking the problem-solving strategies of nature, advancing fields like AI, robotics, and optimization.
ML: Probabilistic Methods
This groups tackles challenges in safety, infrastructure, and sustainability. From emergency detection in households to clean water prediction, electric grid optimization, and real-time health monitoring, they combine innovative computational methods with practical applications. Together, they aim to deliver impactful solutions for pressing societal and environmental needs.
