Die interdisziplinäre Forschung in SECAI konzentriert sich auf fünf Schwerpunktbereiche. Jeder Bereich verbindet mehrere KI-Forschungsfelder und bringt dadurch die unterschiedlichen Stärken der SECAI-Forscher:innen zusammen.
Unsere Mailinglisten informieren über Forschung in den Forschungsbereichen:
Composite AI
Während die traditionelle KI von der Suche nach einem einzigen Paradigma zur Erzeugung intelligenten Verhaltens geprägt war, verkörpern die meisten modernen KI‑Erfolgsgeschichten eine synergetische Kombination mehrerer Denkweisen, die als hybride oder zusammengesetzte KI bezeichnet wird. Während "reine" Methoden einen gewissen Erfolg erzielen, erreichen neuere kombinierte Ansätze eine ähnliche Leistung mit wesentlich geringerem Rechenaufwand. Auch wenn hybride Ansätze heutzutage weit verbreitet in der KI sind, ist die Kombination von Methoden oft eine große technische Herausforderung, da es an einem grundsätzlichen Verständnis für zusammengesetzte Methoden und deren effektiven Einsatz fehlt. In SECAI versammeln wir international anerkannte Experten aus einem breiten Spektrum bisher getrennter KI‑Ansätze, die von symbolischen Methoden (insbesondere Wissensrepräsentation und logische Modellierung) bis zum maschinellen Lernen (insbesondere neuronale Netze und statistisches Lernen) reichen.
AI Compute Paradigms
Die jüngsten Fortschritte in der künstlichen Intelligenz sind untrennbar mit der Weiterentwicklung der Computerhardware verbunden. Die derzeitige Welle von KI‑Durchbrüchen begann mit der Erkenntnis, dass Grafikhardware (GPUs) genutzt werden kann, um bekannte Methoden des maschinellen Lernens (ML) auf viel größeren Datenmengen einzusetzen. Seitdem wird KI mit der massiven Verwendung von Rechenleistung in Verbindung gebracht. Daher ist Spezialisierung heute ein wichtiger Trend in der Mikroelektronik: CPUs und GPUs konkurrieren derzeit mit Field‑Programmable Gate Arrays (FPGAs) und anwendungsspezifischen integrierten Schaltungen (ASICs). Der Erfolg innovativer Hardware hängt entscheidend von der Integration ab: (1) der physischen Integration der Hardware in intelligente Geräte und (2) der logischen Integration von KI‑Algorithmen in den Rechenmechanismus der zugrunde liegenden Hardware. SECAI zielt darauf ab, beide Aspekte durch die Entwicklung zukünftiger KI‑Berechnungsparadigmen zu berücksichtigen.
Intelligent Medical Devices
Die Betrachtung prominenter KI-Durchbrüche, aber auch Misserfolge, zeigt, dass sowohl die Leitung als auch die spezifischen Besonderheiten eines Anwendungsbereichs mindestens ebenso wichtig sind wie Hardware und Algorithmen. Diesen Gestaltungsspielraum bietet die Vielzahl an spannenden und florierenden Anwendungen von KI in den Biowissenschaften und der Medizin. Die hohen Anforderungen an Hardware (klein, energieeffizient, echtzeitfähig) und Methoden (robust, skalierbar, vertrauenswürdig) machen dieses Feld zu einem idealen Versuchsfeld für interdisziplinäre KI‑Lösungen.
AI Methods for Health
Mit der zunehmenden Menge und Komplexität an Daten im Gesundheitswesen gewinnen KI‑Methoden in der biomedizinischen Forschung zunehmend an Bedeutung und versprechen dabei neue Erkenntnisse durch das Finden latenter Muster. Die Anwendungen reichen von computergestütztem Arzneimitteldesign und medizinischer Bildanalyse bis hin zu diagnostischen Expertensystemen und cybermedizinischen Systemen. Da der Erfolg der eingesetzten Methoden sehr stark von der Qualität der Eingabedaten abhängt, bedarf es skalierbarer Lösungen für biomedizinisches Wissens-Management-Systeme.
Societal Framework for AI
Technologische Durchbrüche können ihren praktischen Nutzen nur dann entfalten, wenn mit ihnen gesellschaftliche Akzeptanz, rechtliche Anerkennung und wirtschaftliche Lebensfähigkeit einhergeht. Der Vorschlag der Europäischen Kommission zur Festlegung von Vorschriften für Künstliche Intelligenz aus dem Jahr 2021 lenkt die Aufmerksamkeit auf die enormen Herausforderungen, KI so zu regulieren, dass Bürger einerseits vor den Risiken wie Diskriminierung geschützt sind, gleichzeitig aber Innovation und Wirtschaftswachstum gefördert werden. Mit ihrem Fokus auf Medizin und das Gesundheitswesen knüpft SECAI gezielt an einen Bereich an, der – wie KI – untrennbar mit weitreichenden Fragen der Ethik, der Rechts und der gesellschaftlichen Akzeptanz verbunden ist. Dabei kann auf umfassende Erfahrungen der TU Dresden und der Universität Leipzig zu Themen wie Datenschutz und Regulierung im medizinischen Kontext aufgebaut werden. Darüber hinaus sollen auch politische und philosophische Aspekte in den Vordergrund gerückt werden.
