HTWK-Professor Jochen Merker für Vortrag zur Funktionsweise von Künstlichen Intelligenzen auf internationaler Mathematik-Konferenz ausgezeichnet
Künstliche Intelligenzen sind Computerprogramme, die mit ausgewählten Daten trainiert werden, um auf dieser Grundlage selbstständig Problemlösungen zu ermitteln. Nach der Theorie des maschinellen Lernens wurde früher angenommen, dass Künstliche Intelligenzen mit größerem neuronalen Netz sich zu stark an die Trainingsdaten anpassen und dadurch zu neuen Daten schlechte Ergebnisse liefern. In der Fachwelt wird dieses Phänomen als „Overfitting“ bezeichnet. Doch tatsächlich liefern größere Künstliche Intelligenzen dank Deep Learning bessere Ergebnisse. Eine mathematische Begründung stellten die beiden Mathematiker Prof. Dr. Jochen Merker und Gregor Schuldt von der HTWK Leipzig auf der internationalen Mathematik- und Statistik-Konferenz ICoMS vom 24. bis 26. Juni 2021 vor. Dafür wurden sie mit einem Best Presentation Award ausgezeichnet.
Im Beitrag „Why LASSO Seems to Simultaneously Decrease Bias and Variance in Machine Learning“ legen Merker und Schuldt dar, warum vereinfacht ausgedrückt bei größeren künstlichen Intelligenzen neben dem Fehler auf Trainingsdaten auch die Komplexität des Vorhersagemodells geringgehalten und damit Overfitting vermieden werden kann. Damit tragen die beiden Mathematiker zu einem besseren Verständnis von künstlicher Intelligenz bei. Eine schriftliche Version ihres Konferenzbeitrags ist für die ACM Proceedings (ISBN: 978-1-4503-8990-7, doi.org/10.1145/3475827.3475839) vorgesehen.
Die ICoMS-Konferenz fand wegen der Corona-Pandemie virtuell statt. Es nahmen Wissenschaftlerinnen und Wissenschaftler aus unter anderem Australien, China, Großbritannien, Indien, Italien, Japan, Kanada und den USA teil. Neben dem Vortrag zu Künstlichen Intelligenzen leitete Jochen Merker die Konferenz und hielt die Eröffnungsrede.
Jochen Merker
… ist Professor für Analysis und Optimierung und Leiter des Mathematisch-Naturwissenschaftlichen Zentrums an der HTWK Leipzig. Er forscht zur Analysis von nichtlinearen partiellen Differentialgleichungen. Daneben beschäftigt er sich auch mit anderen Aspekten der Analysis und Optimierung, wie beispielsweise mathematischen Aspekte der Künstlichen Intelligenz, chaotischer Dynamik, Differentialgeometrie, Funktionalanalysis und Symmetrien.
Gregor Schuldt
… studierte Angewandte Mathematik an der HTWK Leipzig und erforscht nun als Teil der Nachwuchsforschungsgruppe SmartKMU, wie mithilfe von Simulationswerkzeugen die Digitalisierung entlang des Produktentstehungsprozesses genutzt werden kann. Ein vielversprechender Ansatz basiert dabei auf der Nutzung von Methoden der künstlichen Intelligenz. So können beispielsweise künstliche Intelligenzen dazu genutzt werden, um die spezifische Form eines Prägewerkzeuges bei Vorgabe des gewünschten Prägeergebnisses zu ermitteln.
Autorin: Dr. Rebecca Schweier