Projekte von Prof. Dr. Axel-Cyrille Ngonga Ngomo
ENEXA: Efficient Explainable Learning on Knowledge Graphs
Laufzeit: 10/2022 - 09/2025
Gef?rdert durch: EU
SAIL - Nachhaltiger Lebenszyklus von intelligenten soziotechnischen Systemen
Durch SAIL wird das bestehende Forschungsnetzwerk aus Uni Bielefeld, Uni Paderborn, TH OWL und FH Bielefeld im Bereich der künstlichen Intelligenz (KI) vertieft und weiterentwickelt. SAIL adressiert die n?chste Stufe der KI-Entwicklung, indem der gesamte Lebenszyklus von KI-Systemen und deren technologische und gesellschaftliche Auswirkungen in den ...
Laufzeit: 08/2022 - 07/2026
Gef?rdert durch: MKW NRW
NEBULA: Nutzerzentrierte KI-basierte Erkennung von Fake-News und Fehlinformationen
Die Verbreitung falscher und irreführender Informationen – insbesondere über soziale Medien wie TikTok, Twitter, Facebook und Co. – nehmen eine immer gr??er werdende Relevanz in sicherheitsrelevanten Situationen ein. Gerade im Kontext des Ukrainekriegs spielen derartige Plattformen eine besondere Rolle, indem gef?lschte Videos oder Inhalte mit ...
Laufzeit: 07/2022 - 06/2025
Gef?rdert durch: BMBF
TRR 318 - Erkl?rbarkeit konstruieren
In unserer digitalen Gesellschaft nehmen die algorithmischen Ans?tze (wie das maschinelle Lernen) rasant an Komplexit?t zu. Diese erschwert es den Bürger:innen, die Assistenz nachzuvollziehen und die von Algorithmen vorgeschlagenen Entscheidungen zu akzeptieren. Als Antwort auf diese gesellschaftliche Herausforderung hat die Forschung begonnen, ...
Laufzeit: 07/2021 - 06/2025
Gef?rdert durch: DFG
TRR 318 - Ein dialogbasierter Ansatz zur Erkl?rung von Modellen des maschinellen Lernens (Teilprojekt B01)
Im Gegensatz zu aktuellen Modellen algorithmischer Transparenz, die von einer rein algorithmischen Konstruktion einer Erkl?rung ausgehen, verfolgt das Projekt B01 einen ko-konstruktiven Ansatz für den interaktiven und dom?nenspezifischen Prozess zwischen Erkl?rendem und Adressaten. Das Ziel ist es, ein Dialogprotokoll zu entwickeln und zu ...
Laufzeit: 07/2021 - 06/2025
Gef?rdert durch: DFG
Colide: Co-Training and Co-Regulierung für Industriedaten
Ziel von COLIDE ist die Entwicklung von Auto-Multi-View-Learning-Verfahren (AutoMVL) für heterogene Industriedaten. Dazu werden multi-view learning (MVL) und automatisiertes maschinelles Lernen (AutoML) erstmals kombiniert. Damit werden insbesondere KMUs in die Lage versetzt, den Mehrwert der simultanen Nutzung verschiedenster ML-Methoden auf ...
Laufzeit: 05/2021 - 04/2024
Gef?rdert durch: BMBF
3DFed: Dynamic Data Distribution and Federation
Laufzeit: 04/2021 - 03/2024
Gef?rdert durch: EU
PORQUE: Polylingual Hybrid Question Answering
Laufzeit: 12/2020 - 11/2023
Gef?rdert durch: EU, BMBF
SPEAKER: Eine Sprachassistenzplattform "Made in Germany"
Sprachassistenten sind eine Kerntechnologie für die Mensch-Maschine-Kommunikation und bieten einen natürlichsprachlichen Zugang zu Produktangeboten und Dienstleistungen. Der Markt für Sprachassistenzl?sungen wird bisher von US-amerikanischen und asiatischen Unternehmen dominiert. Der Bedarf der deutschen Industrie und Wirtschaft an ...
Laufzeit: 04/2020 - 03/2023
Gef?rdert durch: BMWK
EML4U: Erkl?rbares Maschinelles Lernen für interaktive episodische Updates von Modellen
Mit Maschinellem Lernen (ML) lassen sich anhand von Daten komplexe Zusammenh?nge modellieren. Somit k?nnen aufw?ndige und oft grob vereinfachte mathematische Modellierungen bestimmter Gegebenheiten umgangen werden. Au?erdem er?ffnet sich zudem eine neuartige Funktionalit?t: ML-Modelle k?nnen datengetrieben an ge?nderte Anforderungen und Bedingungen ...
Laufzeit: 04/2020 - 03/2022
Gef?rdert durch: BMBF