KÜNSTLICHE INTELLIGENZ & MASCHINELLES LERNEN – GRUNDLAGEN, ANWENDUNGEN, HERAUSFORDERUNGEN & CHANCEN (S)

Termine

10. Februar 2025
11. Februar 2025

jeweils von 11:00 - 18:00 Uhr

Ort

Campus KSR - C105

CP

1 CP

Anmeldung

Ab 01. Oktober 2024 über Stud.IP.

Dozent:in

Benjamin Hättasch

Beschreibung

Die Entwicklungen im Bereich von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) verlaufen rasant. War es vor einigen Jahren noch eine Sensation, dass ein Computer meisterhaft Schach spielen kann, so haben wir heute längst akzeptiert, dass es viele Felder gibt, in denen Computer den Menschen überlegen sind. Künstliche Intelligenz zieht an immer mehr Stellen in unseren Alltag ein – weit über das gerade in den Medien so präsente ChatGPT hinaus.

Doch was ist KI eigentlich? Kann ein Computer wirklich intelligent sein? Steckt überall wo KI draufsteht auch KI drin? Ein Grundverständnis von Fähigkeiten und Anwendungsbereichen, aber auch Gefahren wird in immer mehr Feldern relevant – sowohl für den Beruf als auch das Studium.

In diesem Seminar werden wir uns daher sowohl mit KI als auch dem maschinellen Lernen als Hauptmethode, um “intelligente” Systeme zu konstruieren, beschäftigen, und dabei sowohl auf Grundlagen und Dimensionen als auch Herausforderungen und Gefahren, insbesondere in Bezug auf Ethik und Nachhaltigkeit eingehen.

Das Seminar beschäftigt sich mit KI und ML im Allgemeinen und legt keinen besonderen Fokus auf ein bestimmtes Anwendungsgebiet wie zum Beispiel automatische Textgenerierung. Es werden keine Programmiervorkenntnisse oder andere Informatikkenntnisse benötigt.

Inhalte

• KI – mehr als neuronale Netze (u.A. Definition & Grundlagen, gelernte Systeme vs. Algorithmen, positive Beispiele für Anwendungen, Anwendungsgebiete, Überblick, was sich gut mit KI lösen lässt und was (aktuell) eher schwer)
• Maschinelles Lernen (u.a. wie lernen Maschinen? Was ist Deep Learning? Was sind Large Language Models? Overfitting, Belohungsfunktionen)
• Manipulationen & Angriffe (Deep Fakes, Adversarial Images)
• Nachhaltigkeit & Verantwortung (Wie funktioniert KI-Forschung? Wie sollte sie sein? Erklärbarkeit & Transparenz, Abhängigkeit von Menschen & Maschine, rechtliche Dimensionen (Verantwortung & Urheberrecht), Umweltauswirkungen)
• Ressourcen, um selbst Dinge zu lernen und KI-Systeme zu konstruieren