GRK 2853:  Neuroexplizite Modelle für Sprachverarbeitung, Bilderkennung und Aktionsentscheidungen

• Fachliche Zuordnung: Informatik ; Sprachwissenschaften
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 471607914

In diesem Graduiertenkolleg möchten wir neuartige neuroexplizite Modelle entwickeln, die akkurat Sprache und Bilder verarbeiten und Handlungsentscheidungen treffen, sowie theoretische und praktische Designprinzipien für effektive neuroexplizite Modelle erarbeiten. Wir werden drei Kohorten von Promovierenden darin ausbilden, zu diesen Themen Forschung auf höchstem internationalem Niveau zu betreiben, und gehen davon aus, dass unsere Absolvent:innen hervorragende Chancen auf einem aktuell äußerst aktiven Arbeitsmarkt haben werden - sowohl in der Forschung als auch in der Industrie. In den letzten zehn Jahren haben tiefe neuronale Modelle die Informatik revolutioniert und neue Maßstäbe dafür gesetzt, was in der Künstlichen Intelligenz möglich ist. Sie stehen im Kontrast zu expliziten Modellen, die Wissen über ein Problem oder eine Anwendungsdomäne mit Repräsentationen erfassen, die menschliche Experten verstehen und spezifizieren können. Neuroexplizite Modelle kombinieren neuronale und explizite Komponenten, mit dem Ziel, die Vorteile beider Modellklassen auszunutzen. Explizite Modelle beinhalten symbolische Modelle z.B. in der Computerlinguistik und der Handlungsplanung, aber auch Ansätze in der Bilderkennung, die physikalische Gesetze mit Differenzialgleichungen modellieren. Neuroexplizite Modelle umfassen daher neurosymbolische Modelle, die in der letzten Zeit in vielen Bereichen der KI auf erhebliche Resonanz gestoßen sind. Trotzdem ist das beantragte Graduiertenkolleg die erste strukturierte Forschungsinitiative (und insbesondere das erste Promotionsprogramm) zum Thema neuroexplizite Modelle in Europa. Neuronale Modelle haben gegenüber rein expliziten Modellen erhebliche Vorteile hinsichtlich ihrer Akkuratheit und Skalierbarkeit. Gleichzeitig haben sie ihre eigenen Einschränkungen, insbesondere in Bezug auf Generalisierung (d.h. ihrer Fähigkeit, Abstraktionen zu lernen, die sich auf verwandte Aufgaben übertragen lassen), Robustheit gegenüber kleinen Änderungen in der Eingabe sowie Interpretierbarkeit. Wie die Antragstellenden und andere gezeigt haben, können neuroexplizite Modelle helfen, diese Einschränkungen von rein neuronalen Modellen zu überwinden. Allerdings stellen sich bei der Entwicklung von neuroexpliziten Modellen neue Herausforderungen, und die grundlegenden Designprinzipien effektiver neuroexpliziter Modelle sind bisher nicht gut verstanden. Diese Herausforderungen müssen daher für jede neue Anwendung sorgfältig von neuem gelöst werden, was die Entwicklung von neuroexpliziten Modellen aktuell recht aufwändig macht. In diesem Graduiertenkolleg möchten wir durch die interdisziplinäre Zusammenarbeit von Promovierenden in verschiedenen Teilgebieten der KI die Grundprinzipien des Designs von effektiven neuroexpliziten Modellen herausarbeiten und dadurch die schnelle Entwicklung effizienter und akkurater neuroexpliziter Modelle ermöglichen.

• DFG-Verfahren: Graduiertenkollegs
• Antragstellende Institution: Universität des Saarlandes
• Beteiligte Institution: CISPA - Helmholtz-Zentrum für Informationssicherheit; Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI); Max-Planck-Institut für Informatik; Max-Planck-Institut für Softwaresysteme
• Sprecher: Professor Dr. Alexander Koller
• beteiligte Wissenschaftlerinnen / beteiligte Wissenschaftler: Professorin Dr. Vera Demberg; Professor Dr. Jörg Hoffmann; Professor Dr.-Ing. Eddy Ilg; Professor Dr. Dietrich Klakow; Professor Dr. Bernt Schiele; Professor Dr.-Ing. Philipp Slusallek; Professor Dr. Christian Theobalt; Professorin Dr. Mariya Toneva, Ph.D.; Professorin Dr. Isabel Valera; Professor Dr. Jilles Vreeken; Professor Dr. Joachim Weickert; Professorin Dr. Verena Wolf