KI aus der Cloud - Denkanstöße für Life-Sciences?

Präsentation im Rahmen der Veranstaltung "Ins Netz gegangen 2.0 – Spezial, Life Science Campustreffen auf dem BioMedTec Wissenschaftscampus Lübeck"

Transcript

1. KI aus der Cloud - Denkanstöße für Life-Sciences? Prof. Dr. Nane Kratzke Technische Hochschule Lübeck Ins Netz gegangen 2.0 – Spezial Life Science Campustreffen auf dem BioMedTec WissenschaBscampus Lübeck
2. Fachgruppe Künstliche Intelligenz in Anwendungen (KIA) M. Janneck HCI H. Hellbrück Kommunikation A. Drews Wirtschaftsinf. J. Ehlers Data Science N. Kratzke Cloud Computing D. Gumm Digitalisierung Ch. Külls Hydrologie S. Werth IT-Sicherheit A. Wittke E-Learning J. Tchorz Akustik M. Hahn Mechatronik H. Botterweck Medizintechnik „Unsere fachlichen und KI- Kompetenzen sowie KI-Leitlinien lenken uns dabei innovative Anwendungsfälle mit Partnern zu identifizieren und diese verantwortlich, sicher, nachvollziehbar und Nutzer-zentriert zur Anwendung zu bringen.“
3. Unsere Leitlinien KI-Systeme sollten unter menschlicher Aufsicht ausgeführt werden. KI-basierte Systeme und die hierfür erforderlichen Daten sollten nicht dazu verwendet werden, Personen zu schädigen oder zu diskriminieren. Verantwortlich KI-basierte Systeme sollten auf Algorithmen beruhen, die sicher, verlässlich und robust sind, um Fehler oder Unstimmigkeiten in allen Phasen des Lebenszyklus des KI-Systems zu bewältigen. Sicher KI-basierte Systeme werden Tätigkeiten ausführen, die bisher von Personen gemacht wurden. Es ist daher erforderlich, dass KI- basierte Systeme nachvollziehbar protokollieren, wie und warum Entscheidungen getroffen wurden. Nachvollziehbar KI-basierte Systeme können wesentlich kollaborativere und personalisiertere Interaktion mit Maschinen ermöglichen. Dabei sind aber immer die Grenzen gesellschaftlich akzeptierter Bedien- und Nutzungskonzepte zu beachten. Nutzerzentriert
4. Language Data Structured Data Visual Data Konfek6onierte KI aus der Cloud Kogni&ve Dienste Video Image Textract (OCR) Recognition Text Speech-to-Text Text-to-Speech Spracherkennung Text-to-Speech Übersetzung Translator Text Recognition Vision AI Video AI Masch. Sehen Custom Vision Gesichtserk. Videoindizierung Translation Conversation Translate Polly (TTS) Transcribe (STT) Lex (Chatbot) Comprehend (Comprehend Medical) Forecast NLP Tabular Timeseries Auto NLP NLP API Language Understanding Textanalysen Auto ML Tables BigQuery ML Cloud Inference HUMAN FOCUSED AI DATA FOCUSED AI Translate API Bzw. „Frontend“ von Grammarly
5. Demonstra6on mit zwei Public Cloud Services Google Translate Grammarly Writing Assistant
6. KI macht Fehler KI wird nie … • selber etwas erfinden, • sich nicht selbst verbessern (Defizite müssen wir schon noch selber erkennen), • Experten komple= ersetzen, • oder die „Weltherrscha@ übernehmen“. Aber KI kann vorhandene Fähigkeiten des Menschen VERSTÄRKEN • Z.B. einen Non-NaNve Speaker auf Dolmetscher-Niveau anheben. • Sanitäter zu Notärzten machen (in ExtremsituaNonen). • Einen Hausarzt zum Krebsexperten machen. • Einen schlechten Autofahrer zu einem besseren Autofahrer machen. • … Merke: Es gibt viele kognitive Cloud Dienste, die man einmal zum Brainstormen oder Protoypen nutzen kann. Der Trick ist, dass man diese AI/ML-Cloud Dienste isoliert betrachten sollte, sondern sich fragen, wie diese innovativ „verkettet“ und in bestehende Produkte und Prozesse integriert werden könnten.
7. Prof. Dr. Nane Kratzke Prak%sche Informa%k und betriebliche Informa%onssysteme Raum: 17-0.10 Telefon: 0451 300 5549 Mail: nane.kratzke@th-luebeck.de @NaneKratzke Kontaktdaten Weitere Beispiele für Kompositionen von Cloud-Services: • Sprachsteuerung • Babelfisch https://git.mylab.th-luebeck.de/kia/ki-aus-der-cloud