Eröffnung "ETH AI Center" - Mediengespräch Dienstag, 20. Oktober 2020 09.00 - 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)

Die Seite wird erstellt Rene Bruns
 
WEITER LESEN
Eröffnung "ETH AI Center" - Mediengespräch Dienstag, 20. Oktober 2020 09.00 - 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)
Eröffnung
«ETH AI Center»
Mediengespräch
Dienstag, 20. Oktober 2020
09.00 – 10.00 Uhr
ETH Zürich, Hauptgebäude (HG E 42)
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
Eröffnung "ETH AI Center" - Mediengespräch Dienstag, 20. Oktober 2020 09.00 - 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)
Vizepräsident für Forschung

Warum KI der Schlüssel
ist (nicht nur für die ETH)
Detlef Günther
Vizepräsident für Forschung
20. Oktober 2020
Eröffnung "ETH AI Center" - Mediengespräch Dienstag, 20. Oktober 2020 09.00 - 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)
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
Eröffnung "ETH AI Center" - Mediengespräch Dienstag, 20. Oktober 2020 09.00 - 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)
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
Eröffnung "ETH AI Center" - Mediengespräch Dienstag, 20. Oktober 2020 09.00 - 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)
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
Eröffnung "ETH AI Center" - Mediengespräch Dienstag, 20. Oktober 2020 09.00 - 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)
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
Eröffnung "ETH AI Center" - Mediengespräch Dienstag, 20. Oktober 2020 09.00 - 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)
AI Center als Bindeglied für Wissenschaft, Wirtschaft und Gesellschaft

                                        ETH AI
                                        Center

         Detlef Günther, Vizepräsident für Forschung                     8
Eröffnung "ETH AI Center" - Mediengespräch Dienstag, 20. Oktober 2020 09.00 - 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)
Künstliche Intelligenz – Europa gut positioniert in der Grundlagenforschung

                                                                  Artificial Intelligence Index Report 2019

                                                         China
                                                         Europe
                                                         USA

           Detlef Günther, Vizepräsident für Forschung                                                   9
Eröffnung "ETH AI Center" - Mediengespräch Dienstag, 20. Oktober 2020 09.00 - 10.00 Uhr ETH Zürich, Hauptgebäude (HG E 42)
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