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 10ELLIS - 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 11ETH 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 13Leitung
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
14Forschungsfokus & 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...
15Schaffung 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 16ELLIS: 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 17Menschen 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 18Wirkung - 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 19Launch der Website
https://ai.ethz.ch
© 2020, ETH AI Center 20D-INFK
Medical Data Science
Maschinelles Lernen und Medizin:
sinnvoll Brücken schlagen
Prof. Julia Vogt
Medical Data Science Group
Department of Computer Science, ETH ZurichWas ist künstliche Intelligenz?
Künstliche Intelligenz (KI)
ML
Maschinelles Lernen (ML)
=
Statistik + Informatik
D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 22Was 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 23Maschinelles 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 24Beispiele von medizinischen Daten, mit welchen wir arbeiten
D-INFK, Medical Data Science, Prof. Dr. Julia Vogt 25Pipeline
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 26Beispiele 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 27Personalisierte 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 28Problemstellung 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 29Früherkennung 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 30Notwendigkeit 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 31Symbiose: 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 32Künstliche 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 33Vielen Dank für ihre
Aufmerksamkeit!
34PD 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
