TOPML – Trading off Non-Functional Properties of Machine learning (KI-Lab)

Aktiv
KI-Lab – Trading off Non-Functional Properties of Machine learning i3mainz, CC BY SA 4.0

Wie dezentral sollen Daten gespeichert werden, um die Privatsphäre zu schützen, und wie beeinflusst das den Energieverbrauch? Zielkonflikte dieser Art werden in dem Projekt TOPML (Trading Off Non-Functional Properties of Machine Learning) Forschungszentrum für Machine Learning analysiert. Im KI-Lab der Hochschule Mainz werden die Erkenntnisse aus dem Forschungszentrum in die industrielle Praxis getragen.

Motivation

Das KI-Lab ist Teil eines interdisziplinären Forschungszentrums für Machine Learning an der Johannes Gutenberg-Universität und der Hochschule Mainz. Hier sollen Wechselwirkungen und Abhängigkeiten von verschiedenen Eigenschaften des maschinellen Lernens analysiert und abgewogen werden.

Untersucht werden Transparenz und Fairness von Daten und Algorithmen sowie Datenschutz und eine effiziente Nutzung von Ressourcen wie beispielsweise Strom. Im Fokus stehen dabei konkurrierende Bedürfnisse:

  • Wie dezentral können Daten gespeichert und verarbeitet werden, um die Privatsphäre zu schützen?
  • Inwieweit wird dadurch die Transparenz von Algorithmen und Daten beeinflusst?
  • Welche Auswirkungen hat das auf den Energieverbrauch?

Die verschiedenen Zielkonflikte werden identifiziert und charakterisiert, um tragfähige Kompromisse für die Anwendung zu schaffen.

Aktivitäten

Bisherige Aktivitäten im Kontext KI-Lab:

Die GDV Gesellschaft für geografische Datenverarbeitung mbH baut eine automatisierte Kontrolle für EU-Förderungen im landwirtschaftlichen Bereich auf. Kann Transparenz im maschinellen Lernen hier auch einen Beitrag zur Ressourcenschonung leisten?

Die BD-A ist Spezialist für die Vorhersage des Bedarfs eines Produkts aus vergangenen Erfahrungen. Welche Nachteile bzw. Vorteile haben dabei transparente und erklärbare Modelle gegenüber black-box Modellen des maschinellen Lernens?