M.Sc.
Ehem. wissenschaftlicher Mitarbeiter
Nach Abschluss seines Studiums der angewandten Informatik, fing Adrian Schwaiger im April 2019 beim Fraunhofer IKS an. Er beschäftigte sich damit, die Sicherheit und Interpretierbarkeit tiefer neuronaler Netze zu verbessern, um ihren Einsatz in den Perzeptionsmodulen autonomer Systeme zu ermöglichen.
von Adrian Schwaiger
Erst der Einsatz von Machine-Learning, insbesondere von Deep Learning, ermöglicht viele hochkomplexe Anwendungen, wie etwa das autonome Fahren. Was die Absicherung solcher Systeme betrifft, gilt es aber auch, neue Herausforderungen zu meistern. Ein Überblick.
Bei autonomen Systemen oder in der Medizintechnik ist es nötig, die Unsicherheit von Verfahren des Machine Learning (ML) zuverlässig zu bestimmen. Deswegen vergleichen wir vier State-of-the-art-Methoden für die Quantifizierung der Unsicherheit tiefer neuronaler Netze (Deep Neural Network, DNN) im Kontext sicherheitskritischer Systeme – damit die KI lernt, wann Zweifel angebracht sind.
Am 21. und 22. November fand in Berlin die zweite Ausgabe der Fraunhofer-Konferenzreihe FUTURAS IN RES statt. Unter dem Motto »What’s the IQ of AI?« diskutierten Expertinnen und Experten aus aller Welt aktuelle Entwicklungen und zukünftige Potenziale von Künstlicher Intelligenz. Unser wissenschaftlicher Mitarbeiter Adrian Schwaiger war für das Fraunhofer IKS (damals noch Fraunhofer ESK) vor Ort und berichtet.
