Keynote: Beginning 2 Count – Moderne Deep-Learning-Weltmodelle und Symbolic Reasoning
KI-Forscher gingen lange davon aus, dass Machine Learning mit Brute-Force-Methoden, riesigen Datenmengen und unstrukturierten Informationen niemals zu menschenähnlicher Intelligenz führen werde.Überraschende Ergebnisse der gigantischen Deep-Learning-Modelle wie GPT-3 und DALL-E stellen diese Annahme neuerdings grundlegend infrage.
- Können "stochastische Papageien", wie die großen Sprachmodelle mitunter genannt werden, vielleicht doch zu logischen Einsichten führen?
- Wie sind diese Modelle in Bezug auf unsere eigenen symbolischen Strukturen und Kategorien (wie Kausalität) zu verstehen?
- Welche Wege erschließen sich ab hier und was bringt die Zukunft?
Speaker
Jonas Andrulis ist Wirtschaftsingenieur aus Karlsruhe (KIT) mit einem Forschungshintergrund in maschinellem Lernen und Strategiemodellierung. Er ist Serienunternehmer für KI-Software und war zuvor in der Leitung der KI-Forschung bei Apples Special Projects Division (SPG) tätig. 2021 gewann er den Deutschen KI-Preis für eine Technologie vergleichbar mit Deep Mind und OpenAI.
Die von ihm 2019 in Heidelberg gegründete Aleph Alpha GmbH betreibt Forschung, Entwicklung und Gestaltung in Richtung generalisierender Künstlicher Intelligenz (Artificial General Intelligence, kurz: AGI). Beim Gaia-X-Projekt OpenGPT-X steuern er und sein Team multimodale Modelle der neuesten Generation bei.
M3-Newsletter
Du möchtest über die Minds Mastering Machines
auf dem Laufenden gehalten werden?