14. Juli 2016

Auszeichnung für Wissenschaftler des Fraunhofer HHI, der TU Berlin und der SUTD

Beim Workshop „Visualization for Deep Learning“ der Internationalen Konferenz für Maschinelles Lernen (ICML) wurden Sebastian Lapuschkin und Wojciech Samek, Wissenschaftler am Fraunhofer HHI, Grégoire Montavon und Klaus-Robert Müller von der TU Berlin sowie Alexander Binder von der SUTD im Juni 2016 in New York für die beste wissenschaftliche Arbeit im Bereich Visualisierung und Verständnis tiefer neuronaler Netze ausgezeichnet.

Sie erhielten eine GeForce GTX Titan X von NVIDIA. Die Publikation „Analyzing and Validating Neural Networks Predictions“ fasst die Arbeit der Preisträger auf dem Gebiet der „Layer-wise Relevance Propagation“ zusammen – einer neu entwickelten Technik zur Erläuterung der Vorhersagen komplexer Algorithmen für Maschinelles Lernen (Machine Learning), wie etwa tiefe neuronale Netzwerke oder Kernel-Methoden. Dank dieser Erkenntnisse können Forscher besser nachvollziehen, was ihre hochgradig nicht-linearen Modelle tatsächlich tun und warum sie gelegentlich scheitern. Dieser Aspekt der Interpretierbarkeit ist nicht nur in Bereichen wichtig, in denen sich der Einsatz eines Black-Box-Algorithmus verbietet (z. B. bei medizinischen Anwendungen). Er kann zudem dazu beitragen, Schwachpunkte modernster Methoden zu identifizieren und zu verbessern.

Sebastian Lapuschkin ist seit September 2014 am Fraunhofer HHI tätig. Im Rahmen seiner Doktorarbeit beschäftigt er sich derzeit mit der Interpretierbarkeit von Algorithmen des Maschinellen Lernens. Wojciech Samek ist Leiter der kürzlich eingerichteten Forschungsgruppe Maschinelles Lernen am Fraunhofer HHI. Die Gruppe befasst sich mit verschiedenen Aspekten der Datenanalyse mit Schwerpunkt Deep Learning und Interpretierbarkeit.