InsideHeiCAD HeiCAD

In einer neuen Folge "PhD Pitches" ist Manh Khoi Duong zu Gast. Er ist wissenschaftlicher Mitarbeiter und Doktorand am Lehrstuhl für Datenbanken und Informationssysteme am Institut für Informatik. Im Projekt RAPP (Responsible Academic Performance Prediction) arbeitet er zusammen mit Sozialwissenschaftler*innen an der HHU daran, Systeme zur Leistungs- und Abbruchsvorhersage an Hochschulen sozial verträglicher und ethischer zu gestalten.

Wie Diskriminierung entstehen kann, wie man dagegen wirken kann und wie erklärbare Machine-Learning-Methoden dabei helfen können, erfahren wir in diesem Podcast. Manh Khoi Duong erläutert verschiedene Fairness-Metriken und warum er herausgefunden hat, dass "equalised odds" die Fairness Notion für Hochschulen sein sollte.

1:14 Vorstellung Manh Khoi Duong & PhD Pitch 7:41 Welche KI-Methoden werden für die Vorhersagen verwendet und welche Features werden ausgewählt? 11:14 Gibt es eine Art Feedback-Loop um diskriminierende Attribute zu erkennen und zu eliminieren? 12:43 Was sind Decision Trees? 14:17 Interdisziplinäre Zusammenarbeit von Informatiker*innen mit Sozialwissenschaftler*innen 18:24 Wie quantifiziert man eigentlich Fairness? 27:24 Entweder-Oder-Fragen 30:32 PhD-Survival-Tipp

Ein Gespräch mit Manh Khoi Duong und Dr. Joana Grah

In einer weiteren Folge "PhD Pitches" stellt Andreas Müller seine Promotions-Forschung vor. Er ist wissenschaftlicher Mitarbeiter und PhD-Student bei Prof. Dr. Johann Justus Vasel, der die Juniorprofessur für Öffentliches Recht unter besonderer Berücksichtigung von Rechtsfragen der künstlichen Intelligenz an der Juristischen Fakultät innehat.

Andreas Müllers Doktorarbeit ist vom Leitsatz "von der Ethik zum Recht" geprägt. Im Gespräch erzählt er uns was problematisch am "Rundumschlag" der EU im Rahmen des Vorschlags für ein KI-Gesetz ist, wieso eine umgebaute "regulatory sandbox" eine Alternative darstellen könnte und dass Recht im Allgemeinen und KI-Werte im Speziellen eigentlich eine wortgewordene Abwägung sind.

1:21 Vorstellung Andreas Müller 2:08 PhD Pitch 7:02 Erläuterung des Unterschieds zwischen Hard und Soft Law 9:34 Was ist an der europäischen und internationalen Ebene besonders relevant? 12:11 Sollte die Regulierung von KI noch viel differenzierter und fallbezogener festgelegt werden? 16:18 Die vier Risiko-Kategorien im KI-Verordnungsvorschlag der Europäischen Kommission 20:15 Zusammenspiel und Balance von Werten im Zusammenhang mit KI 28:18 Entweder-Oder-Fragen 24:42 PhD-Survival-Tipp

Ein Gespräch mit Andreas Müller und Dr. Joana Grah

Unser heutiger Gast im Podcast ist Sebastian Scharf. Er ist wissenschaftlicher Mitarbeiter am Institut für Medizinische Mikrobiologie und Krankenhaushygiene und forscht im Use Case Gesundheit der Manchot Forschungsgruppe "Entscheidungsfindung mit Hilfe von Methoden der Künstlichen Intelligenz”.

Dort beschäftigt er sich mit der Analyse von Daten hämatologischer Patient*innen nach der Stammzelltransplantation mit dem langfristigen Ziel den Heilungsprozess zu verbessern und Begleiterscheinungen zu vermeiden. In einem prospektiven Projekt wird DNA aus Stuhlproben von Patient*innen extrahiet und eine Darm-Mikrobiom-Analyse mittels Next-generation-sequencing durchgeführt. Wir erfahren, warum es nicht nur interessant ist, sich die Bakterien anzuschauen, sondern auch die Pilze. Es sollen Techniken entwickelt werden um mögliche Komplikationen frühzeitig vorherzusagen. Im zweiten retrospektiven Projekt werden klinische Daten von ca. 1000 Patient*innen mit Hilfe von Machine-Learning-Methoden analysiert um Korrelationen zu finden. Hier ist die Frage, ob es möglich ist, vor den Ärzt*innen zu sehen, wenn es Patient*innen schlecht geht, und dementsprechend frühzeitig in die Behandlung einzugreifen.

1:14 Vorstellung Sebastian Scharf 2:48 Projekt zu Stammzelltransplantationen im Use Case Gesundheit 7:01 Machine-Learning-Methoden im Projekt 9:04 Funktionieren ML-Methoden für das retrospektive Projekt besser als herkömmliche Methoden? 10:41 Verfügbarkeit der klinischen Daten 12:57 Nutzung von Deep-Learning-Methoden 14:30 Beispiele zur Transparenz von DL-Methoden 16:19 Mikrobiomanalyse mit datenwissenschaftlichen Methoden 20:41 Herausforderungen der Arbeit mit klinischen Daten 24:02 Interdisziplinäre Arbeit an der HHU 27:39 Gibt es im Jahr 2035 das voll digitalisierte Krankenhaus? 28:53 Entweder-Oder-Fragen 31:01 PhD-Survival-Tipp

Ein Gespräch mit Sebastian Scharf und Dr. Joana Grah

In unserer ersten PhD Pitches Folge ist Maike Behrendt vom Institut für Informatik zu Gast. Sie ist wissenschaftliche Mitarbeiterin und PhD-Studentin am Lehrstuhl für Machine Learning von Prof. Dr. Harmeling und stellt in einem 5-Minuten-Pitch ihre Doktorarbeit vor, in der sie sich mit Natural Language Processing, also der Verarbeitung von Sprache und Text mit Hilfe von Methoden des maschinellen Lernens, befasst.

Sie erklärt wie die momentan populären Transformer-Modelle funktionieren, wie man überhaupt Text in einen für Computer lesbare Zahlen verwandelt und wie die Zusammenarbeit in einem interdisziplinären Team mit Kommunikations- und Politikwissenschaftler*innen aussieht.

Natürlich gibt es wieder einige Entweder-Oder-Fragen und den ultimativen PhD-Survival-Tipp.

02:11 PhD Pitch 06:31 Zusammenarbeit mit Kommunikations- und Politikwissenschaftler*innen 09:24 Wie sehen die Vektoren mit semantischen Informationen aus? 11:22 Transformer-Modelle 15:23 Inwiefern unterscheidet sich das Natural Language Processing von anderen Machine-Learning-Methoden? 16:55 Wie unterscheidet sich das Training beim Reinforcement Learning im Gegensatz zu anderen Machine-Learning-Methoden? 19:07 Was ist der schwierigste Teil in der gesamten Pipeline? 23:14 Entweder-Oder-Fragen 25:09 PhD-Survival-Tipp

Ein Gespräch mit Maike Behrendt und Dr. Joana Grah

Auch in dieser Folge haben wir wieder zwei Gäste: Kimon Kieslich und Pero Došenović sind wissenschaftliche Mitarbeiter in der Abteilung Kommunikations- und Medienwissenschaft am Institut für Sozialwissenschaften und außerdem Mitglieder des Düsseldorfer Instituts für Internet und Demokratie (DIID). Momentan arbeiten sie in Forschungspartnerschaft mit dem Center for Advanced Internet Studies (CAIS) im Projekt “Meinungsmonitor Künstliche Intelligenz”, kurz MeMo:KI.

Einerseits untersuchen sie regelmäßig durch Bevölkerungsumfragen die öffentliche Meinung zum Thema Künstliche Intelligenz im deutschsprachigen Raum und kommunizieren die Ergebnisse in Factsheets und grafischen Aufbereitungen auf der Projekt-Homepage und auf Twitter. Außerdem verfolgen sie die Medienberichterstattung und analysieren die Kontexte, in denen KI medial besprochen wird. Zusätzlich untersuchen sie wie auf Twitter über KI kommuniziert wird, z.B. welche Akteur*innen miteinander kommunizieren. Dazu veröffentlichten sie kürzlich eine Analyse der Twitter-Netzwerkstrukturen.

1:33 Vorstellung Kimon Kieslich und Pero Došenović 2:36 Forschung im Projekt MeMo:KI 8:22 Wissenschaftskommunikation 12:09 Medienberichterstattung 14:51 Aufklärungsleistung/Kompetenzbildung durch Medien? 22:05 KI und Diskriminierung / Gesellschaftliche Auswirkungen 26:31 Beispiele für Diskriminierung durch KI 30:41 Wie kann diskriminierender KI entgegengewirkt werden? 36:26 Wie kann man der Bevölkerung Relevanz vermitteln? Realitätscheck 41:22 Wie glaubt ihr würde der Factsheet im Jahr 2035 aussehen? 43:18 Entweder-Oder-Fragen 47:23 PhD-Survival-Tipp

Ein Gespräch mit Kimon Kieslich, Pero Došenović und Dr. Joana Grah

Weitere Informationen:

Projektseite MeMo:KI

Factsheet Künstliche Intelligenz und Diskriminierung

In der Auftaktfolge zur 2. Staffel sind Dr. Elisabeth Scherer und Peter Bernardi vom Service-Center für gutes Lehren und Lernen (SeLL) (auf Twitter unterwegs als @SeLL_hhu) zu Gast. Dort sind sie vor allem Ansprechpartner*innen für den Bereich E-Learning. Elisabeth Scherer ist außerdem Projektkoordinatorin für das Landesportal ORCA.nrw und Ansprechpartnerin für das Thema Open Educational Resources (OER).

Spätestens mit Beginn der Corona-Pandemie ist das Thema E-Learning für alle Lehrenden omnipräsent geworden. Unterstützung von der didaktischen Konzeption von Online-Lehre bis hin zur praktischen Umsetzung gibt es an der HHU von unseren Gäst*innen am SeLL, das eine Vielzahl von Workshops anbietet. Elisabeth Scherer und Peter Bernardi berichten von ihren Erfahrungen, die sie beide anfangs vor allem am Institut für Modernes Japan gesammelt haben, den Vor- und Nachteilen von MOOCs (Massive Open Online Courses) - insbesondere im Zusammenhang mit unserem Projekt zum Online-Lehrangebot “KI für alle" - und geben Tipps zum Umgang mit OER.

1:52 Wie seid ihr zur Hochschuldidaktik gekommen? 6:50 Wie können Lehrende an euren Workshops teilnehmen? Gibt es spezielle Angebote für digitale Lehre? 11:08 Blogs? 13:56 Wie habt ihr die Entwicklung der Online-Lehre (insbesondere MOOCs) miterlebt und denkt ihr, dass bald keine Präsenzlehre mehr stattfinden wird? 25:00 Probleme und Lösungen in der Online-Lehre 25:22 Worin liegt der Unterschied zwischen Präsenz- und Online-Lehre? 32:50 Wie unterscheidet sich die Vorbereitung der Lehre aus hochschuldidaktischer Sicht (analog und online)? 41:50 Wie sehr unterscheidet sich die Didaktik in der Informatik von anderen Fachbereichen und wie sehen zum Beispiel sinnvolle  Programmierkurse aus? 46:23 Entweder-Oder-Fragen

Ein Gespräch mit Dr. Elisabeth Scherer, Peter Bernardi und Dr. Joana Grah