Wissen für die KI. KI für neues Wissen. KI-Algorithmen und Methoden des maschinellen Lernens, wie Neuronale Netzwerke oder Entscheidungsbäume, erzeugen ihre Ausgaben ausschließlich auf Basis der eingegebenen Daten. Dabei wird vorhandenes Wissen von Experten, aus vorherigen Experimenten, oder praktischer Erfahrung oft nicht beachtet. Damit wird in Kauf genommen, dass KI-Algorithmen möglicherweise wichtige Zusammenhänge nicht beachten und damit schlechter oder sogar mit ernstzunehmenden Ungenauigkeiten in der Praxis angewendet werden. Prof. Martin Becker und sein Team erforschen Ansätze, um zusammen mit entsprechenden Experten Hintergrundwissen, wie beispielsweise bekannte medizinische Zusammenhänge oder allgemeine Verhaltensmuster, in die Methoden des Maschinellen Lernens einzubetten, um so bessere Modelle für komplexere Anwendungen entwickeln zu können. Der Einbezug von existierendem Hintergrundwissen wird es auch ermöglichen, effektiver neues Wissen zu generieren. Dadurch lassen sich neuartige Hypothesen formulieren, die neue Einblicke in komplexe Anwendungen und Systeme ermöglichen.

Subgruppen entdecken. In vielen Anwendungen werden Aussagen nur verallgemeinert über die Gesamtpopulation getroffen. Beispielsweise werden Entscheidungen über medizinische Behandlungen oft auf der Grundlage derer Effektivität in der Gesamtpopulation gefällt. Damit wird außer Acht gelassen, dass Menschen unterschiedlich sind und es eine Vielzahl von Untergruppen gibt, die unterschiedlich behandelt werden müssen. Prof. Becker und sein Team untersuchen, wie solche Untergruppen effektiv gefunden werden können, wie KI-Verfahren mit solchen Untergruppen umgehen, und deren Effektivität und Fairness über alle solche Gruppen gewährleistet werden kann. Diese ist im Rahmen der Anwendung von maschinellen Lernverfahren in der Praxis, gerade bei der Entwicklung neuer Medikamente, Behandlungsformen, oder Vorhersagemodellen, von großer Bedeutung. Die entwickelte Methodik kann aber auch dafür verwendet werden, die zugrundeliegenden Strukturen heterogener, großer Datenmengen besser zu verstehen.

Medizin im Fokus. Prof. Becker untersucht die Einbindung von Hintergrundwissen und die Bildung von Subgruppen in unterschiedlichen komplexen Systemen. Einen Schwerpunkt stellen insbesondere medizinische Anwendungen dar. Durch die Analyse von Daten über das Blut und das Immunsystem, etwa von schwangeren Frauen, lassen sich Informationen über mögliche Komplikationen, wie etwa Frühgeburten, vorhersagen. So lassen sich passende Behandlungsmethoden, sowie Vorbeugungsmaßnahmen effektiver entwickeln. Die entwickelten Methoden, lassen sich jedoch auf andere Daten anwenden, wie etwa bei der Analyse von Luftqualität auf Basis von Sensordaten, oder die Modellierung von maritimen Systemen.

Kompetenzen im Bereich der künstlichen Intelligenz und Data Science

• Extraktion, Integration, und Verwendung von Wissen zusammen mit maschinellen Lernmethoden
• Analyse und Entdeckung heterogener Strukturen
• Modellierung komplexer Systeme in praxisnahen Anwendungsszenarien

Jun.-Prof. Dr. rer. nat. Martin Becker

Lehrstuhl Intelligent Data Analytics, Universität Rostock