Trading Off Non-Functional Properties of Machine Learning
Schwerpunktthema: | Künstliche Intelligenz |
---|---|
Art der Förderung: | Projektförderprogramme |
Programm: | CZS Durchbrüche |
Geförderte Institution: |
|
Wie dezentral sollen Daten gespeichert werden, um die Privatsphäre zu schützen, und wie beeinflusst das den Energieverbrauch? Zielkonflikte dieser Art werden in einem Forschungszentrum für Machine Learning analysiert.
Ziele
Ziel des Projekts ist die Einrichtung eines interdisziplinären Forschungszentrums an der Johannes Gutenberg-Universität Mainz. Hier sollen Wechselwirkungen und Abhängigkeiten von verschiedenen Eigenschaften des Maschinellen Lernens analysiert und abgewogen werden. Untersucht werden Entscheidungen von Algorithmen mit Hinblick auf Transparenz und Fairness sowie Datenschutz und eine effiziente Nutzung von Ressourcen wie beispielsweise Strom. Im Fokus stehen dabei konkurrierende Bedürfnisse, beispielsweise: Wie dezentral können Daten gespeichert und verarbeitet werden, um die Privatsphäre zu schützen, inwieweit hat das Auswirkungen auf den Energieverbrauch? Verschiedene Zielkonflikte werden identifiziert und charakterisiert, um tragfähige Kompromisse für die Anwendung zu schaffen. Ethische und rechtliche Aspekte sollen mitgedacht werden. In einem AI-Lab der Hochschule Mainz sollen die gefundenen Lösungen zum Einsatz gebracht werden.
Beteiligte Personen:
Prof. Dr. Stefan Kramer
Johannes Gutenberg-Universität Mainz
Detailinformation:
Schwerpunktthema: | Künstliche Intelligenz |
---|---|
Programm: | CZS Durchbrüche |
Art der Förderung: | Projektförderprogramme |
Zielgruppe: | Professor:innen |
---|---|
Fördersumme: | 4.995.000 € |
Zeitraum: | Juli 2022 - Juni 2028 |