Große Modelle, große Wirkung? Maschinelles Lernen im Zeitalter großer Sprach- und Grundmodelle

Large Language Models (LLMs) und Foundation-Modelle verändern maschinelles Lernen grundlegend. Sie erweitern die Grenzen verschiedenenster Forschungsbereichen, wie etwa der Verarbeitung natürlicher Sprache, generative KI und multimodales Schlussfolgern. Wir freuen uns sehr, Haizhou Li und Jürgen Schmidhuber zu begrüßen, zwei führende Experten auf diesem Gebiet. In ihren wissenschaftlichen Vorträgen werden sie den aktuellen Stand von LLMs und Foundation-Modellen beleuchten, deren transformativen Einfluss auf die künstliche Intelligenz untersuchen und neue Herausforderungen erörtern werden.

Die Veranstaltung findet in englischer Sprache statt und richtet sich an ein wissenschaftlich interessiertes Publikum mit Vorkenntnissen in dem Bereich. Der Eintritt ist frei.

Bitte melden Sie sich hier an.

Haizhou Li
LLM-Innovation mit chinesischen Merkmalen

Dieser Vortrag untersucht den strategischen und technischen Weg, den Chinas Branche für große Sprachmodelle (LLM) unter einzigartigen Einschränkungen beschreitet, darunter Chip-Sanktionen und die Blockade des Zugangs zu Closed-Source-LLMs. Es wird davon ausgegangen, dass diese Einschränkungen ein eigenständiges Innovationsmodell vorangetrieben haben, bei dem sich der Fokus von einer Skalierung nach dem Brute-Force-Prinzip hin zu einem Ansatz verlagert hat, der auf Effizienz, Open Source und Anwendungsorientierung ausgerichtet ist.
Außerdem werden wir die öffentliche Akzeptanz von KI in China erörtern. Chinas LLM-Strategie bietet ein überzeugendes alternatives Innovationsparadigma, bei dem strategische Einschränkungen die Kreativität fördern können.

Haizhou Li ist Inhaber eines „U Bremen Excellence“-Lehrstuhls. Er ist außerdem an der National University of Singapore und der Chinese University of Hong Kong, Shenzhen, tätig. Zu den Forschungsschwerpunkten von Professor Li zählen die Sprachinformationsverarbeitung, die Verarbeitung natürlicher Sprache und das neuromorphe Rechnen. Er war Chefredakteur der Fachzeitschrift „IEEE/ACM TRANSACTIONS ON AUDIO, SPEECH AND LANGUAGE PROCESSING“ (2015–2018), Präsident der International Speech Communication Association (2015–2017), Präsident der Asia Pacific Signal and Information Processing Association (2015–2016), Präsident der Asian Federation of Natural Language Processing (2017–2018) sowie Vizepräsident der IEEE Signal Processing Society (2024–2026) . Er war Generalvorsitzender der ACL 2012, der INTERSPEECH 2014, der IEEE ICASSP 2022 sowie des APSIPA-Jahresgipfels und der Konferenz 2025. Professor Li wurde mit dem National Infocomm Award 2002 und dem President’s Technology Award 2013 in Singapur ausgezeichnet. Er wurde 2009 zum Nokia-Professor, 2014 zum IEEE-Fellow, 2018 zum ISCA-Fellow und 2022 zum Fellow der Academy of Engineering Singapore ernannt.

Jürgen Schmidhuber
Der Boom der neuronalen Weltmodelle

Das Konzept eines mentalen Modells der Welt – eines Weltmodells – reicht Jahrtausende zurück. Platon vertrat die Ansicht, dass wir Objekte erkennen, indem wir uns an innere Blaupausen oder Vorlagen erinnern, die heute oft als innere Repräsentationen bezeichnet werden. Aristoteles schrieb, dass Phantasie oder mentale Bilder es dem Menschen ermöglichen, sich die Zukunft vorzustellen und Handlungsabläufe zu planen, indem er Bilder gedanklich manipuliert, auch wenn die tatsächlichen Objekte nicht vorhanden sind. Erst 2.370 Jahre später – nach kosmischen Maßstäben nur ein Wimpernschlag – erleben wir einen Boom an Weltmodellen, die auf tiefen künstlichen neuronalen Netzen für künstliche Intelligenz in der physischen Welt basieren. Es entstehen neue Start-ups in diesem Bereich. Um zu erklären, was hier vor sich geht, nehme ich Sie mit auf eine kleine Reise durch die Geschichte der universellen neuronalen Weltmodelle seit 1990. Anschließend werfen wir einen Blick auf die Zukunft dieses Fachgebiets.

Jürgen Schmidhuber ist Direktor der KAUST-KI-Initiative und Co-Vorsitzender des Kompetenzzentrums für generative KI an der King Abdullah University of Science and Technology (KAUST). Außerdem ist er wissenschaftlicher Direktor des Schweizer KI-Labors IDSIA und war von 2009 bis 2021 Professor für Künstliche Intelligenz an der Universität Lugano (USI). Zu den Forschungsschwerpunkten von Professor Schmidhuber zählen Deep Learning, künstliche neuronale Netze, rekurrente neuronale Netze und Long Short-Term Memory (LSTM), künstliche Neugier sowie neuromorphes Rechnen. Er ist Mitbegründer und ehemaliger Präsident von NNAISENSE sowie Vorstandsmitglied von Delvitech. Er wurde unter anderem mit dem Helmholtz-Preis der International Neural Network Society (2013), dem IEEE CIS Neural Networks Pioneer Award (2016) und dem Gödel-Preis ausgezeichnet. Er ist Mitglied der Europäischen Akademie der Wissenschaften und Künste und wurde 2018 vom Magazin BILANZ zu einem der „Top 100 Leaders of Switzerland“ gekürt. Er erwarb sein Diplom in Informatik und Mathematik an der Technischen Universität München (TUM) und promovierte 1991 an der TUM in Informatik; 1993 folgte dort seine Habilitation. In den Medien wird er oft als einer der Pioniere der modernen KI beschrieben, da er die Grundlagen für das gelegt hat, was heute als generative gegnerische Netzwerke, unnormalisierte lineare Transformatoren und selbstüberwachtes Vortraining bekannt ist.