Micro Focus Groups

AI Grid ist ein Netzwerk von kleinen KI-Communities. Die Mitglieder tauschen innerhalb dieser Gemeinschaften ihre Forschungsarbeiten aus, initiieren Kooperationen und knüpfen fruchtbare Verbindungen für die Zukunft.

Über 50 Communities sollen mit der Zeit entstehen.

Hier findest Du unsere aktuellen Micro Focus Groups

Bio-inspiriertes Lernen erforscht Berechnungsmodelle und Algorithmen, die von biologischen Systemen wie neuronalen Netzen, Evolution und Schwarmintelligenz inspiriert sind. Dieser Ansatz zielt darauf ab, effiziente, anpassungsfähige und intelligente Systeme zu schaffen, indem die Problemlösungsstrategien der Natur nachgeahmt werden, und bringt Bereiche wie KI, Robotik und Optimierung voran.

ML: Bio-inspired Learning

Diese Gruppe befasst sich mit Herausforderungen in den Bereichen Sicherheit, Infrastruktur und Nachhaltigkeit. Von der Notfallerkennung in Haushalten bis hin zur Trinkwasserprognose, der Optimierung des Stromnetzes und der Echtzeit-Gesundheitsüberwachung kombinieren sie innovative Berechnungsmethoden mit praktischen Anwendungen. Gemeinsam wollen sie wirkungsvolle Lösungen für dringende gesellschaftliche und ökologische Bedürfnisse liefern.

ML: Probabilistic Methods

Diese Gruppe konzentriert sich auf die Entwicklung von KI-Systemen, die lernen, Daten zu generieren und zu rekonstruieren, um komplexe Muster und Strukturen aufzudecken. Solche Modelle sind essenziell für Fortschritte in der Datenkompression, Anomalieerkennung und kreativen KI-Anwendungen. Sie treiben Innovationen in Bereichen wie Bildsynthese, Sprachgenerierung und wissenschaftlichen Simulationen voran.

ML: Deep Generative Models & Autoencoders

Diese Gruppe erforscht die Dynamik zwischen Mensch und Roboter, um Systeme zu entwickeln, die intuitiv, sicher und effektiv sind. Diese Forschung ist entscheidend, um die Robotik in Bereichen wie Gesundheitswesen, Industrie und Alltag voranzubringen und sicherzustellen, dass Roboter menschliche Fähigkeiten erweitern, Vertrauen fördern und Zusammenarbeit ermöglichen.

ROB: Human-Robot Interaction

Diese Gruppe untersucht, wie sich Verzerrungen reduzieren, Fairness gewährleisten, Transparenz verbessern und der Datenschutz in KI-gestützten Sprachtechnologien schützen lässt. Diese Arbeit ist entscheidend, um ethische, vertrauenswürdige und inklusive KI-Systeme zu entwickeln, die einen positiven Einfluss auf die Gesellschaft haben.

SNLP: Bias, Fairness, Transparency & Privacy

Der Klimawandel und seine Folgen sind eines der drängendsten Themen der heutigen Gesellschaft, daher ist es nur natürlich, dass KI-Algorithmen eine entscheidende Rolle bei der effizienten Nutzung unserer Energie spielen sollten.

Energy-efficient AI

Automatisiertes maschinelles Lernen kann wertvolle Zeit und Energie sparen, wenn ML-Algorithmen verwendet werden. Durch die kontinuierliche Anpassung von Hyperparametern kann die Leistung erheblich gesteigert werden.

ML: Auto ML and Hyperparameter Tuning

Die Berücksichtigung von Fairness und Vorurteilen in Algorithmen ist bei der Integration von Technologie in unsere Gesellschaft von großer Bedeutung.

PEAI: Bias, Fairness & Equity

Die zunehmende Verwendung von LLMs erfordert eine genauere Analyse von Stil und Stimmung, um sicherzustellen, dass die Modelle das Gewünschte genau wiedergeben.

SNLP: Sentiment Analysis and Stylistic Analysis

Die Entwicklung von LLM für mehrere Sprachen, einschließlich Sprachen mit geringer Ressourcenausstattung, ist unerlässlich, um den weltweiten Zugang zu neuen Technologien zu gewährleisten.

SNLP: Machine Translation & Multilinguality/Multimodality

Die Ermöglichung von Teamarbeit zwischen Menschen und KI ist sicherlich der Schlüssel zum Erfolg bei der Lösung komplexer Probleme im digitalen Zeitalter. Die Angst vor der Übernahme von Arbeitsplätzen durch die Automatisierung beherrscht die Diskussion über KI. Was aber, wenn die vielversprechende Aussicht auf eine Zusammenarbeit zwischen Mensch und KI einfach nur bestimmte Aufgaben erleichtert und sie nicht abnimmt, sondern Raum für andere lässt?

HAI: Human-Machine Teams

Zweifellos ist die Art der Zusammenarbeit zwischen Mensch und Computer einer der dringendsten Forschungsbedürfnisse im Bereich der KI. Wir müssen lernen, wie wir neue Technologien in unser tägliches Leben integrieren können, um unsere Kompetenzen zu erweitern und unser Leben effizienter zu gestalten.

HAI: Human-Computer Interaction

Da die Welt um uns herum komplex ist, ist es wichtig, mehrere Modalitäten in Systeme einzubeziehen, die zur Unterstützung des Menschen geschaffen wurden, sei es in der Medizin in Form von robotischen Operationsassistenten oder in anderen Arbeitsumgebungen.

ML: Multimodal Learning

Die Auswirkungen von KI auf die Gesellschaft sind aufgrund ihrer großen Bedeutung derzeit eines der meistdiskutierten Themen in den Medien. Die Konzentration auf die Bedürfnisse des Menschen, sei es bei Anwendungen im Gesundheitswesen oder bei der Steuerung soziotechnischer Systeme, ist von wesentlicher Bedeutung.

PEAI: Societal Impact of AI

Zeitreihenanalyse (Time series) treten in vielen verschiedenen Bereichen auf, von medizinischen Daten (z. B. EEG) bis hin zu Mobilität und Verkehr. Diese Mikro Fokus Gruppe konzentriert sich auf CNN-Modelle zur Analyse ihrer Daten.

ML: Time-Series / Data Streams

Gib Deiner Karriere einen Kick !