Next Generation AI

Moderne KI-Methoden verändern fast alle Wissenschaften und lösen oft klassische Methoden als State of the Art ab.

Anwendungen von Künstlicher Intelligenz (KI) sind schon jetzt nicht mehr aus unserer Lebenswelt wegzudenken: Sie reichen vom autonomen Fahren über Spracherkennung bis hin zum Gesundheitssektor. Gleichzeitig verändern moderne, typischerweise datengetriebene KI-Methoden fast alle Wissenschaften und lösen oft klassische Methoden als State of the Art ab. In der Konsequenz ist so gut wie jedes aktuelle Forschungsgebiet auch von Forschungsfragen im Bereich der KI betroffen.

Allerdings ist der Großteil der KI-Forschung rein empirisch getrieben und es mangelt an einer umfassenden theoretischen Fundierung, die beispielsweise grundlegende methodische Entscheidungen reflektiert. Gleichzeitig bleiben auch die Grenzen dieser Methoden oft ungeklärt. Ausgelotet werden müsste zudem, wie KI-basierte Methoden optimal mit klassischen Methoden kombiniert werden können.

Derzeit lassen sich weltweit zwei grundlegende Strömungen der KI-Forschung identifizieren: Auf der einen Seite werden die neuesten Methoden adaptiert und auf unterschiedlichste wissenschaftliche Bereiche angewandt. Auf der anderen Seite versuchen Forscher:innen, die oben genannten methodisch-theoretischen Probleme anzugehen und die nächste Generation der künstlichen Intelligenz zu entwickeln. Auch an der LMU München sind beide Richtungen prominent vertreten. Beide Ausrichtungen der KI-Forschung erfordern hochgradig interdisziplinäre Anstrengungen und sind überdies eng untereinander verknüpft.

Ziel des CAS-Schwerpunktes ist es daher, eher methodisch/theoretische mit eher anwendungsorientierten Wissenschaftler:innen über alle Fakultäten hinweg zu vernetzen. Dabei konzentriert sich die Arbeitsgruppe des Schwerpunktes auf die folgenden zentralen Problemstellungen:

  • KI und Ungewissheit
  • KI und Domänenwissen
  • Grenzen der KI
  • Soziale Aspekte der KI (Erklärbarkeit, Fairness, etc.)

Sprecherin des Schwerpunktes

Prof. Dr. Gitta Kutyniok
Prof. Dr. Gitta Kutyniok

LMU München

Sprecherin des CAS-Schwerpunkts „Next Generation AI“

Mathematische Grundlagen der Künstlichen Intelligenz

Arbeitsgruppe

Prof. Dr. Bernd Bischl
Prof. Dr. Bernd Bischl

LMU München

Statistical Learning and Data Science

Prof. Dr. Florian Englmaier
Prof. Dr. Florian Englmaier

LMU München

Organisationsökonomik

Prof. Dr. Eyke Hüllermeier
Prof. Dr. Eyke Hüllermeier

LMU München

Artificial Intelligence and Machine Learning

Prof. Dr. Göran Kauermann
Prof. Dr. Göran Kauermann

LMU München

Applied Statistics in Social Sciences, Economics and Business

Prof. Dr. Katia Parodi

LMU München

Medizinische Physik

Prof. Dr. Hinrich Schütze
Prof. Dr. Hinrich Schütze

LMU München

Computerlinguistik

Prof. Dr. Thomas Seidl
Prof. Dr. Thomas Seidl

LMU München

Database Systems

Advisory Board

Visiting Fellows

Univ.-Prof. Dr. Philipp Grohs

Visiting Fellow, CAS-Schwerpunkt "Next Generation AI".

Mathematical Data Science

Prof. Julia Lane, Ph.D.

Visiting Fellow, CAS-Schwerpunkt "Next Generation AI"

Economics and Statistics

Prof. Issam El Naqa, Ph.D.

Visiting Fellow, CAS-Schwerpunkt „Next Generation AI“

Bioinformatik

Vortragsreihe „Next Generation AI“

Veranstaltungen

  • Lecture by Prof. Michael I. Jordan, Ph.D. – "On the Blending of Machine Learning and Economics"
    (Winter Semester 2021/22)
  • Panel Discussion with Prof. Dr. Sami Haddadin, Prof. Dr. Gitta Kutyniok and Eva Wolfangel – "Next Generation AI"
    (Winter Semester 2021/22)
  • Roundtable – "Next Generation AI" Topic I: AI and Uncertainty"
    (Winter Semester 2021/22)
  • Roundtable – "Next Generation AI" Topic II: AI and Domain Knowledge" (Winter Semester 2021/22)
  • Roundtable – "Next Generation AI" Topic III: Limitations of AI"
    (Winter Semester 2021/22)
  • Roundtable – "Topic IV: Social Aspects of AI"
    (Winter Semester 2021/22)
  • Symposium on AI Research at LMU
    (Summer Semester 2022)
  • Lecture by Prof. Dr. Joachim M. Buhmann - "Algorithm Validation for Data Science" (Summer Semester 2022)
  • Workshop – "AI in Science: Foundations and Applications"
    (Summer Semester 2022)
  • Lecture by Prof. Issam El Naqa, Ph.D. and Prof. Julia Lane, Ph.D. - "Perils and Pitfalls of AI in Radiological Sciences"
    (Winter Semester 2022/23)
  • Lecture by Prof. Håvard Hegre, Ph.D. – "Accounting for Uncertainty when Forecasting Armed Conflict"
    (Summer Semester 2023)
  • Lunch Talk by Prof. Dr. Philipp Grohs – "Opportunities and Limitations for Deep Learning in the Sciences"
    (Summer Semester 2023)
  • Panel discussion with Dr Thiemo Fieger, Prof. Dr Björn Ommer, Martin Skultety and Christian Schiffer – "Generative AI in the Industry, Media, and Beyond. Chances and Challenges of Stable Diffusion"
    (Summer Semester 2023)
  • Lecture by Prof. Yann LeCun, Ph.D. – "From Machine Learning to Autonomous Intelligence"
    (Summer Semester 2023)
    Link to the video
  • Workshop led by Prof. Dr Eyke Hüllermeier, Prof. Dr. Göran Kauermann and Prof. Dr. Hinrich Schütze – "AI Double Feature: Neuro-Symbolic AI / AI and Sustainability"
    (Summer Semester 2023)

Podcast auf #DigDeep: „Was bedeutet Kunst im digitalen Zeitalter?“

Videos aus dem CAS-Schwerpunkt „Next Generation AI“