CISPA – Helmholtz-Zentrum für Informationssicherheit
Was Maschinen von uns lernen können
Wann: Samstag 10:45-11:30
Wo: CISPA – Helmholtz-Zentrum für Informationssicherheit
Computer sind schon lange unglaublich gut darin, große Zahlen zu multiplizieren oder Schach zu spielen. Der Grund ist, dass Menschen Algorithmen entwerfen und Maschinen so programmieren konnten, dass sie diese Aufgaben sogar besser und schneller erledigen können als (die meisten) Menschen. Doch es gibt auch viele Aufgaben, die Menschen bisher besser lösen können, da wir keine zufrieden stellenden Programme entwickeln konnten, zum Beispiel, um Sinn aus Bildern zu machen oder kreativ mit anderen zu kommunizieren. In den letzten Jahren wurden große Durchbrüche in diesen Bereichen erzielt, indem wir Maschinen beibringen, selbst herauszufinden, wie sie gestellte Probleme effektiv lösen können. Ähnlich wie Menschen lernen Maschinen mithilfe von Beispielen und viel Übung. Unsere Aufgabe als Forscher und Programmierer ist herauszufinden, wie wir sie dabei am besten unterstützen können. In diesem Vortrag werden wir gemeinsam die Chancen und Risiken diskutieren, die diese neue Form, Technologie zu entwickeln, für unsere Zukunft, unsere Gesellschaft und große Herausforderungen unserer Zeit bereithält.
Zur Person
Rebekka Burkholz ist seit September 2021 als tenure-track Fakultätsmitglied am Helmholtzzentrum CISPA für Informationssicherheit in Saarbrücken tätig, wo sie die Gruppe für netzwerkbasiertes maschinelles Lernen leitet. Das Ziel ihrer Gruppe ist, unser theoretisches Verständnis tiefer neuronaler Netze zu vertiefen und Algorithmen in diesem Bereich auf Grundlage der gewonnenen Einsichten zu verbessern und robuster und zu gestalten. Die Methoden, die ihre Gruppe entwickelt, sind oftmals inspiriert von biologischen Anwendungen, insbesondere in der Molekularbiologie und Genetik. Von 2019 – 2021 hat Rebekka Burkholz als PostDoc am Department für Biostatistik an der Harvard T.H. Chan School of Public Health in der Gruppe von John Quackenbush geforscht. Zuvor war sie als PostDoc und Doktorandin an der ETH Zürich. Von 2017 – 2018 war sie am Institut für Maschinelles Lernen in der Gruppe von Joachim Buhmann und von 2013 – 2017 am Lehrstuhl für Systemdesign von Frank Schweitzer. 2016 hat sie am ETH Risk Center promoviert und mit ihrer Arbeit über systemisches Risiko den Zürich Dissertationspreis gewonnen. Zudem hat sie CSF Best Contribution Award für ihre Arbeit bezüglich systemischen Risikos im internationalen Nahrungsmittelhandel erhalten. Zuvor studierte sie Mathematik und Physik an der TU Darmstadt und für ein Jahr an der Lund Universität in Schweden.