Dr. Leonhard Falkenberg
Softwareentwickler
Die systematische Aufbereitung der Themen hat mir geholfen, Zusammenhänge zwischen verschiedenen Ansätzen zu verstehen. Besonders die neuro-symbolischen Methoden waren für mich ein neues Gebiet.
Lernprogramm zu Künstlicher Allgemeiner Intelligenz
Strukturierte Wissensvermittlung durch systematischen Aufbau von Grundlagen bis zu aktuellen Forschungsfragen der AGI-Entwicklung
Theoretische Fundierung
Systematischer Aufbau vom maschinellen Lernen über neuronale Architekturen bis zu symbolischen Ansätzen. Jedes Modul baut auf vorherigen Konzepten auf und erweitert das Verständnis schrittweise.
Gemeinsame Analyse
Diskussionen zu Forschungspapern und aktuellen Entwicklungen ermöglichen den Austausch verschiedener Perspektiven. Teilnehmende bringen unterschiedliche Hintergründe ein und lernen voneinander.
Strukturierter Ablauf
Fünf aufeinander abgestimmte Module über 18 Wochen. Wöchentliche Seminareinheiten mit Begleitmaterialien und optionalen Vertiefungsaufgaben zur individuellen Nachbereitung.
Modulübersicht
Das Programm gliedert sich in fünf thematische Module. Jedes Modul umfasst drei bis vier Wochen und behandelt einen abgegrenzten Themenbereich mit zugehörigen theoretischen Grundlagen und praktischen Beispielen aus der aktuellen Forschung.
- Definitionen von Intelligenz aus psychologischer und computerwissenschaftlicher Perspektive
- Überwachtes, unüberwachtes und verstärkendes Lernen als methodische Grundlagen
- Einführung in neuronale Netzwerke und Optimierungsverfahren
- Unterscheidung zwischen schwacher KI (Narrow AI) und angestrebter starker KI (AGI)
- Historische Entwicklung von symbolischer KI bis zu konnektionistischen Ansätzen
- Convolutional Neural Networks für visuelle Mustererkennung
- Recurrent Neural Networks und Long Short-Term Memory für sequenzielle Daten
- Transformer-Architekturen und Aufmerksamkeitsmechanismen
- Vortrainierte Modelle und Transfer Learning in der Praxis
- Limitierungen aktueller Architekturen bei komplexen Aufgaben
- Symbolische Repräsentationen: Logik, Ontologien und semantische Netzwerke
- Probabilistische Graphmodelle und Bayesianische Netze
- Knowledge Graphs und deren Integration in Lernmodelle
- Neuro-symbolische Ansätze zur Kombination von Lernen und Schlussfolgern
- Common-Sense-Reasoning als offene Herausforderung
- Integration von Vision, Sprache und sensorischen Modalitäten
- Embodied AI: Wie physische Interaktion das Lernen beeinflusst
- Simulationsumgebungen für das Training autonomer Agenten
- World Models und deren Rolle für Planung und Vorhersage
- Aktuelle multimodale Modelle wie CLIP, DALL-E und deren Anwendungsbereiche
- Definition und Bewertungskriterien für Artificial General Intelligence
- Ansätze: Whole Brain Emulation, Cognitive Architectures, Self-Supervised Learning
- Bewertung aktueller Fortschritte anhand spezifischer Benchmarks
- Sicherheit, Kontrollierbarkeit und ethische Dimensionen von AGI-Entwicklung
- Offene Forschungsfragen und mögliche Entwicklungspfade
Teilnehmende berichten
Marlene Steinhoff
Forscherin im Bereich Data Science
Der Austausch mit anderen Teilnehmenden aus unterschiedlichen Fachrichtungen hat mir neue Perspektiven eröffnet. Die Diskussionen zu aktuellen Papers waren oft genauso wertvoll wie die Vorträge selbst.
Ingrid Rottmann
Produktmanagerin
Ich wollte verstehen, was hinter den aktuellen Entwicklungen steckt, ohne selbst zu programmieren. Das Programm hat mir einen fundierten Überblick verschafft und die wichtigsten Konzepte verständlich gemacht.