Trading Off Non-Functional Properties of Machine Learning

Schwerpunktthema: Künstliche Intelligenz
Art der Förderung: Projektförderprogramme
Programm: CZS Durchbrüche
Geförderte Institution:
  • Johannes Gutenberg-Universität Mainz

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:

Johannes Wimmer

Programm-Manager

Telefon: +49 (0)711 - 162 213 - 22

E-Mail: johannes.wimmer@carl-zeiss-stiftung.de

Kein Bild verfügbar
Kein Bild verfügbar

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

Geförderte Institution:

Johannes Gutenberg-Universität Mainz
Johannes Gutenberg-Universität Mainz