Kausalität in der KI-Forschung – von Ursache und Wirkung

»Kausalität in der KI-Forschung – von Ursache und Wirkung

Kausalität in der KI-Forschung – von Ursache und Wirkung

 

Die Speakerin wird virtuell anwesend sein.

Hat das Medikament die Krankheit geheilt? Warum ist die Produktionsmaschine ausgefallen? “Korrelation ist keine Kausalität!” – das kennen wir vielleicht noch aus unserer Schulzeit. Lange verbot es sich, Aussagen über Kausalität zu tätigen. In den letzten Jahrzehnten hat die Arbeit von Judea Pearl und seinen Kolleg:innen Kausalität jedoch auf eine solide wissenschaftliche Grundlage gestellt. Heute ist Pearls Theorie Grundlage der Debatte über Kausalschlüsse, insbesondere in der aktuellen Forschung im Bereich des Maschinellen Lernens. Dieses Tutorium bietet einen kurzen Einblick in die Modellierung und Analyse von Kausalmodellen, sowie in die damit einhergehenden Annahmen und Herausforderungen in der (Forschungs-)Praxis. Kein Hintergrundwissen ist notwendig.

 

MIRIAM RATEIKE

Miriam Rateike ist Doktorandin am Max-Planck-Institut für Intelligente Systeme in Tübingen und der Graduate School of Computer Science der Universität des Saarlandes in Saarbrücken. Sie forscht an der Entwicklung von Algorithmen zur fairen Entscheidungsfindung unter realistischen Annahmen, die eine Diskriminierung bestimmter Personengruppen anhand sensibler Merkmale, wie z.B. Gender oder Race, verhindern. Sie interessiert sich dabei besonders für die Schnittstelle von Kausalität und Fairness. Als aktives Mitglied der NGO TReND unterstützt Miriam den Ausbau wissenschaftlicher Kapazitäten auf dem afrikanischen Kontinent.

 

 

 

 

 

Empfohlenes Erfahrungslevel: Alle

Teilnahmebeschränkung: ohne

Anmeldung: ohne

>> Zurück zur Programmübersicht <<