Interaktives Maschinelles Lernen

Im Forschungsbereich Interaktives Maschinelles Lernen (IML) werden die Grundlagen intelligenter Algorithmen und Benutzerschnittstellen erarbeitet, die maschinelles Lernen mithilfe von menschlicher Interaktion ermöglichen, durch natürlichen Dialog oder Lernen durch Beobachtungsdaten. Wir forschen daran, Computern Sachverhalte und intelligentes Verhalten einfacher beibringen zu können.

Wir wollen mehr vom Menschen lernen, und Maschinelles Lernen soll einfacher werden, damit jeder damit umgehen kann. Unser Forscherteam konzentriert sich auf multimodale Multisensor-Schnittstellen für robuste KI. Dazu nutzen wir auch beispielsweise Eye-Tracking, digitale Stifte, Sprachdialog und Bilderkennung. Im Hintergrund laufen die modernsten Methoden des maschinellen Lernens.

Studentenprojekte für den KI-Transfer sind uns besonders wichtig, eine Auswahl ist hier zu finden: iml.dfki.de

Unsere angewandte KI-Forschung (Applied AI) fließt vor allem in medizinische (ai-in-medicine.dfki.de) und industrielle (smartfactories.dfki.de) Anwendungen ein. Wir beschäftigen uns außerdem mit dem Thema Nachhaltigkeit und KI (https://cst.dfki.de/).

Spezielle KI Transfer-Punkte und Herausforderungen: Erklärbarkeit (XAI), Robustheit, Informationsextraktion (IE) und Verarbeitung natürlicher Sprache (NLP), Semantic Web, Alltagsintelligenz, hybride kognitive Systeme, Kontextwissen und nachvollziehbare Handlungsentscheidungen, robuste und vertrauenswürdige KI, KI-Normung, hybride Teams, Mensch-Roboter-Interaktion (HRI), Kombination symbolischer und statistischer Verfahren, Ontologien, Lernen mit wenigen Daten, Ressourceneffizienz, Transfer-Lernen, KI und Kunst, Metakognition und Introspektion