Eröffnung "ETH AI Center" - Mediengespräch Dienstag, 20. Oktober 2020 09.00 - 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Eröffnung «ETH AI Center» Mediengespräch Dienstag, 20. Oktober 2020 09.00 – 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)
Inhalt und Ablauf des Mediengesprächs 1. Begrüssung 2. Warum KI (für die ETH) der Schlüssel ist Prof. Detlef Günther Vizepräsident für Forschung ETH Zürich 3. ETH AI Center: Vernetzen - intern, national, international Prof. Andreas Krause Vorsteher ETH AI Center PD Alexander Ilic Geschäftsführer ETH AI Center 4. Maschinelles Lernen und Medizin – sinnvoll Brücken schlagen Prof. Julia Vogt Professur für Medizinische Datenwissenschaft 5. Fragen und Antworten 2
Vizepräsident für Forschung Warum KI der Schlüssel ist (nicht nur für die ETH) Detlef Günther Vizepräsident für Forschung 20. Oktober 2020
KI – eine wachsende Herausforderung Eine künstliche Intelligenz, die selbständig aus komplexen Daten lernt und die zugleich fair, nachvollziehbar und vertrauenswürdig ist. Am Matterhorn untersuchen ETH-Forschende mit einem Drahtlos-Sensornetzwerk Felszustand und Permafrost. KI lässt die einzelnen Sensoren autonom entscheiden, ob ein Ereignis relevant ist oder nicht. Detlef Günther, Vizepräsident für Forschung 4
Die thematischen Schwerpunkte der ETH Zürich in Lehre und Forschung – und die Rolle der künstlichen Intelligenz Datenwissenschaft & Energie, Klima & Gesundheitswissenschaften & Fertigungstechnologien Cyber-Physische Systeme Ressourcen Medizin Detlef Günther, Vizepräsident für Forschung 5
Künstliche Intelligenz und maschinelles Lernen unterstützen den Menschen bei der Erfüllung seiner Aufgaben • KI ist eine Stärke der ETH Zürich. • Das Fundament der KI an der ETH liegt in der Smart Farming exzellenten Grundlagenforschung in Mathematik, Informatik, Informationstechno- Bildgebende logien und Datenwissenschaften. Verfahren Robotik • Zahlreiche Forschende der ETH entwickeln Autonomes Medikamenten- Fahren KI oder wenden sie in ihrer Forschung an. Entwicklung • KI-Methoden gibt es in Forschungsgebieten Rehabilitation wie Chemie, Physik, Energie, Klima, Umwelt, Bauen, Mobilität, Gesundheit, Robotik, Fertigung, Design oder Sicherheitspolitik. • Faire, nachvollziehbare, vertrauenswürdige Permafrost Kriminalität Drohnen KI-Lösungen machen einen Unterschied. Detlef Günther, Vizepräsident für Forschung 6
Die Nachfrage der Studierenden nach KI hat sich vervielfacht • Einführung in das maschinelle Lernen ist Popularity of AI courses among students die meistbesuchte Lehrveranstaltung an der ETH. 5000 Probabilistic Artificial Intelligence Data Mining: Learning from Large Data Sets Information Introduction to Machine Learning Computational Biomedicine • Maschinelles Lernen ist heute ein festes Machine Learning for Health Care Information Retrieval Information Theory Natural Language Processing Ausbildungselement im Bachelorstudium Big Data Deep Learning Big Data for Engineers Statistical Learning Theory in Computer Science. 4000 Computational Intelligence Lab Machine Perception Advanced Machine Learning Reliable and Interpretable AI • Der Master in Computer Science vermittelt verschiedene KI-Methoden: 3000 Probabilistic Foundations, Deep Learning, Natural Language Understanding, Statistical Learning Theory. 2000 • Im ETH Master Programm «Data Science» erwerben sich Studierende Methoden des maschinellen Lernens. 1000 • Im «Data Science Lab» lösen Studierende praktische Aufgaben einer interdisziplinären Anwendung. 0 AS12/SS13 AS13/SS14 AS14/SS15 AS15/SS16 AS16/SS17 AS17/SS18 AS18/SS19 AS19/SS20 Detlef Günther, Vizepräsident für Forschung 20.10.2020 7
AI Center als Bindeglied für Wissenschaft, Wirtschaft und Gesellschaft ETH AI Center Detlef Günther, Vizepräsident für Forschung 8
Künstliche Intelligenz – Europa gut positioniert in der Grundlagenforschung Artificial Intelligence Index Report 2019 China Europe USA Detlef Günther, Vizepräsident für Forschung 9
ICT mit Schlüsselrolle im Wissenstransfer der ETH • Der Anteil von ETH Spin-offs aus dem ICT- Bereich ist stark gewachsen • Seit 3 bis 5 Jahren werden verstärkt ETH Spin-offs mit KI-Fokus gegründet • Anwendungsbereiche der KI-Spin-offs sind sehr breit: autonome Roboter, Cybersecurity, Medizin, Immobilien, Dienstleistungen für KMU, etc. Detlef Günther, Vizepräsident für Forschung 10
ELLIS - eine vertrauenswürdige KI entwickeln, die mit den ethischen Werten einer offenen europäischen Gesellschaft in Einklang steht Die Gründung des «ETH AI Centers» und seine Vernetzung mit den besten KI-Forschungszentren in Europa tragen dazu bei, die ETH und Europa neben USA und China als eigenständige Kraft in der KI zu etablieren. 2015: gemeinsames «Center for Learning Systems» der ETH Zürich mit Max-Planck-Gesellschaft (MPG) Vernetzung 2019: Aufbau der europäischen Initiative «European Lab for Learning and Intelligent Systems (ELLIS)»; die ETH Zürich und das Max Planck Institut beteiligen sich mit der Gründung einer «ELLIS Unit» Detlef Günther, Vizepräsident für Forschung 11
ETH AI Center Vernetzen – intern, national, international PD Alexander Ilic, Geschäftsführer Prof. Andreas Krause, Vorsteher
Das «ETH AI Center»: Vision & Mission Spitzenforschung • Schaffen eines zentralen Knotenpunktes für KI an der ETH über alle Fachbereiche hinweg • Mitgestalten nationaler & internationaler Forschungsnetzwerke Menschen im Mittelpunkt • Fördern von KI-Talenten hin zu verantwortungsvollen Wir verstehen uns Führungskräften in Forschung, Unternehmertum und Industrie als Wegbereiter für • Aufbauen einer inspirierenden, transdisziplinären und inkludierenden Arbeitsumgebung vertrauenswürdige, breit zugängliche und Wirkungsorientierung inkludierende KI-Systeme • Bearbeiten ethischer, gesellschaftlicher und politischer Fragestellungen in Bezug auf KI zum Nutzen der Gesellschaft • Herstellen eines Dialoges mit der Öffentlichkeit zu KI-Themen • Unterstützen von KI-Spin-offs & Industriekooperationen © 2020, ETH AI Center 13
Leitung Leitungsausschuss INFK MAVT HEST ITET MATH Prof. Prof. Prof. Prof. Prof. Andreas Krause Roland Siegwart Effy Vayena Lothar Thiele Peter Bühlmann Vorsitzender PD Alexander Ilic Geschäftsführer 14
Forschungsfokus & beteiligte Professuren (Stand 20. Oktober, 2020) • Zunächst 29 Professuren aus 6 Departementen • Fokus auf vertrauenswürdige, breit zugängliche, und inkludierende KI • Forschung an KI: Grundlagen, Anwendungen und Auswirkungen • Interdisziplinärer Ansatz als Kernkonzept • Gemeinsame Betreuung von Studierenden, Industriepartnerschaften, Und viele weitere kommen Spin-offs noch... 15
Schaffung des zentralen KI-Knotenpunktes über alle Fachbereiche hinweg System- Architektur und Naturwissen- Management & Ingenieurwissen- orientierte Bauingenieur- schaften und Sozial- schaften Naturwissen- wissenschaften Mathematik wissenschaften schaften ETH AI Center Kernmitglieder + Assoziierte Professuren Masterstudierende, Doktorierende, Postdoktorierende © 2020, ETH AI Center 16
ELLIS: Internationales Forschungsnetzwerk für Exzellenz in der KI Die besten Köpfe anziehen 1 und befähigen 2 Regionale Ökosysteme für maschinelles Lernen 3 Europas führende KI- Hotspots verbinden … © 2020, ETH AI Center 17
Menschen im Mittelpunkt Wer? Wo? • Mitglieder des «ETH AI Centers» − Kernmitglieder teilzeitlich im Zentrum präsent − Assoziierte Mitglieder mit flexiblen Arbeitsplätzen • ETH AI Center Fellows: Doktorierende & Postdoktorierende Andreasturm, Oerlikon komplettes Stockwerk(~980sqm) − Die besten Talente global & lokal anziehen Voller Betrieb 2022 − Arbeitsplatz im «ETH AI Centers» − Verschiedene Disziplinen beieinander • Assoziierte Mitglieder & Gäste − Wissenschaft: Gastdozierende und Studierendenaustausch − Industrie: Executives in Residence − Spin-offs: Unternehmerinnen und Unternehmer in Residenz ETH CAB, Zürich E71-79 (~250sqm) © 2020, ETH AI Center 18
Wirkung - mehr als Forschungsexzellenz Forschung & Transfer Ökonomische & soziale Wirkung Neue KI-Spin-offs KI-Grundlagen Digitale Transfer Transformation der KI-Anwendungen (KI-Talente, Transformationale Leader, Unternehmende) Prozesse & Unternehmen KI-Auswirkungen Beitrag zu Politik und Gesetzgebung Fokus des Centers © 2020, ETH AI Center 19
Launch der Website https://ai.ethz.ch © 2020, ETH AI Center 20
D-INFK Medical Data Science Maschinelles Lernen und Medizin: sinnvoll Brücken schlagen Prof. Julia Vogt Medical Data Science Group Department of Computer Science, ETH Zurich
Was ist künstliche Intelligenz? Künstliche Intelligenz (KI) ML Maschinelles Lernen (ML) = Statistik + Informatik D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 22
Was ist maschinelles Lernen? ML Supervised Unsupervised learning learning Vorgabe: Beobachtungen eines komplexen Phänomens Ziel: Von den Daten lernen und ein Vorhersagemodell bauen Klassifizierung ≈ Gruppierung ML Statistics Computer Science krank gesund D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 23
Maschinelles Lernen in der Medizin Medizin Informatik Ziele: Ärzte bei der Diagnose, Vorhersage und personalisierter Behandlung zu unterstützen D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 24
Beispiele von medizinischen Daten, mit welchen wir arbeiten D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 25
Pipeline Visite Konsolidierter Report Erzeugen von Big Data z.B.. Unterstützt Diagnose & DNA-seq, HER, Sensordaten Behandlungsentscheidungen Künstliche Intelligenz Datenmanagement ML Methoden, High Zusammenführen von Performance Computing heterogenen Daten D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 26
Beispiele erfolgreicher Zusammenarbeiten in der Medizin Gehirn-MRI Blutvergiftung Blinddarm Herz-Ultraschall Scherwiegende Gelbsucht Hämodialyse Tuberkulose Diabetes D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 27
Personalisierte Vorhersage bei Neugeborenen dank ML Gelbsucht durch Hyperbilirubinämie ist eine der meist verbreiteten Krankheiten bei Neugeborenen der Neugeborenen zeigen 60% Gelbsucht benötigen Behandlung 10% (Phototherapie) Kann schwere Behinderung verursachen mit lebenslangen Konsequenzen kürzere Spitalaufenthaltsdauer (gängige Praxis um Kosten zu senken) bewirkt eine Zunahme der kritischen Gelbsuchtfälle Picture: commons.Wikimedia.org, Janko Ferlič D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 28
Problemstellung und Ziele Analysierte Daten von Neugeborenen in der ersten Lebenswoche frühe Erkennung personalisierte Vorhersage bis zu 44 Patientencharakteristika Schutz vor vorzeitiger Entlassung Longitudinale Daten, fehlende Daten, einfache unregelmässige Abstände! Handhabung D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 29
Früherkennung für Phototherapie bei Neugeborenen Phototherapie Vorhersage (Prototyp) Online tool das am UKBB täglich in der Klinik angewendet warden kann ML Modell für die personalisierte Vorhersage von schwerer Gelbsucht Vorhersage bis zu 48h im voraus Starke Vorhersagekraft (0.95 AUC) Selektion der Eingabewerte: nur 4 werden benötigt D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 30
Notwendigkeit von interdisziplinären Kollaborationen Forschende im maschinellen Lernen Klinische Anwendung Informatiker /-innen Ärtz /-innen Mathematiker /-innen Biolog /-innen Physiker /-innen → Methoden sind nicht anwendbar auf → zugrunde liegende statistischen reale klinische Fragestellungen Annahmen werden nicht erfüllt; Modelle overfitten. D-INFK, Medical Data Science, Prof. Dr. Julia Vogt Picture: unsplash, Jack Anstey 31
Symbiose: eine Brücke schlagen Forschende ergänzen einander Kliniker /- der innen Informatik brauchen gegenseitiges Verständnis! D-INFK, Medical Data Science, Prof. Dr. Julia Vogt Picture: unsplash, Jack Anstey 32
Künstliche Intelligenz und maschinelles Lernen unterstützen den Menschen in verschiedenen Bereichen • Zahlreiche Forschende der ETH entwickeln KI oder wenden sie in ihrer Forschung an • ETH AI Zentrum bringt KI-Forscher aus Bildgebende Robotik Smart Farming allen Fachrichtungen und Verfahren Departementen zusammen Autonomes Medikamenten- Fahren Entwicklung • Das Zentrum wird eine Brücke schlagen zu anderen Forschungsinstituten und Rehabilitation der Industrie Permafrost Kriminalität Drohnen D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 33
Vielen Dank für ihre Aufmerksamkeit! 34
PD Dr. Alexander Ilic Geschäftsführer ETH AI Center alexander.ilic@ai.ethz.ch https://www.linkedin.com/in/ilicalexander/ ETH AI Center CAB E 73.1 Universitätstrasse 6 8092 Zurich, Switzerland www.ai.ethz.ch
Sie können auch lesen