Oplev hemmelighederne bag kunstig intelligens i sommerhalvåret!

Oplev hemmelighederne bag kunstig intelligens i sommerhalvåret!

Den 28. juni 2025 åbnes sommersemesterprogrammet for lørdagsuniversitetet ved Det Matematiske og Naturvidenskabelige Fakultet ved Universitetet i Rostock højtideligt. Professor Roger Labahn vil i sit foredrag kaste lys over det matematiske grundlag for kunstig intelligens (AI). Hovedmålet med denne tale er at give lytterne en bedre forståelse af matematikken bag maskinlæringsalgoritmer. Specielt vil funktionaliteten af ​​neurale netværk, som repræsenterer en nøgleteknologi i moderne kunstig intelligens, blive diskuteret. Universitetet i Rostock rapporterer, at foredraget vil finde sted kl. 11:00 i Forelæsningssal 1 i Fysik, Albert-Einstein-Str. 24, 18059 Rostock.

Forelæsningerne henvender sig til et bredt videnskabsinteresseret publikum og er designet til at være generelt forståeligt. Dette er især vigtigt for at gøre de komplekse emner inden for kunstig intelligens tilgængelige for et bredere publikum. Sommerprogrammet afsluttes med endnu et foredrag af prof. Dr. Oliver Kühn afsluttet den 5. juli 2025, som omhandlede emnet "Lad os tale om nanoplastik!" berørt. Hvis du er interesseret, kan du kontakte professor Labahn direkte, hvis du har spørgsmål.

Indsigt i kunstig intelligens

Kunstig intelligens er et bredt begreb, der omfatter en række forskellige teknologier og discipliner. Maskinlæring er en nøglekomponent, der gør det muligt for systemer at lære af data og forbedre sig selv. Hvordan Fraunhofer IKS forklarer, neurale netværk, en vigtig gren af ​​maskinlæring, er baseret på forbindelserne mellem nerveceller i den menneskelige hjerne. Disse kunstige neurale netværk består af dataknudepunkter forbundet med vægtede forbindelser. Gentagne datapræsentationer træner netværket, så det kan kategorisere dataene mere præcist.

Neurale netværk kan have en række forskellige lag - jo flere lag, jo mere komplekse problemer kan de løse. Disse dybe neurale netværk, kendt som "dybe neurale netværk", er i stand til at opnå imponerende resultater gennem "dyb læring". De bruges ofte i applikationer som billedgenkendelse og tekstforståelse. Det betyder, at AI-systemer har stadig stærkere algoritmer til at genkende mønstre og træffe beslutninger ud fra store mængder data.

Udfordringerne ved kunstig intelligens

Selvom fremskridt inden for kunstig intelligens er lovende, er det stadig en udfordring, at eksisterende systemer ofte er begrænset til specifikke opgaver, som omtales som "svag AI". Overgangen til "stærk AI" eller potentiel superintelligens er endnu ikke mulig. Mulighederne og udfordringerne ved AI blev også undersøgt som en del af 2019 Science Year, som øgede bevidstheden om dets komplekse karakter. Ifølge en artikel af Fraunhofer IAO AI-applikationer kan allerede findes på mange områder i dag, lige fra digitale assistenter til billedbehandlingssystemer.

Sammenfattende giver professor Labahns forelæsning den 28. juni en glimrende mulighed for at få indsigt i det matematiske grundlag for AI og dets mulige anvendelser. Deltagelse i sådanne arrangementer fremmer ikke kun forståelsen af ​​en af ​​vor tids vigtigste teknologier, men stimulerer også diskussionen om dens fremtidige udvikling og udfordringer.