Künstliche Intelligenz

Deep-Learning-Modelle werden in der Bioimage-Analyse immer häufiger eingesetzt. Doch mangelnde Standardisierung und die Verwendung dieser Algorithmen durch Laien sind potenzielle Quellen für Verzerrungen. Wissenschaftlerinnen und Wissenschaftler der EPFL und des Europäischen Instituts für Bioinformatik (EMBL-EBI) geben in einem kürzlich in der Zeitschrift IEEE veröffentlichten Artikel praktische Tipps und Hinweise.

Wir alle kennen die Geschichte. Sie wird jedes Jahr im März aufgerollt, wenn Frauen und Männer auf der ganzen Welt den Internationalen Frauentag feiern. Menschliche Voreingenommenheit ist gut dokumentiert, von der impliziten bis zur expliziten, und es gab sie schon immer. Neu ist hingegen, dass Algorithmen und Big Data, die unser Leben zunehmend bestimmen, mit Daten trainiert werden, die auf Männer geeicht sind.

Wissenschaftlerinnen und Wissenschaftler des Swiss Plasma Center der EPFL und DeepMind haben gemeinsam eine neue Methode zur Steuerung von Plasmakonfigurationen für die Kernfusionsforschung entwickelt.

Ein Team von Fachleuten auf dem Gebiet der künstlichen Intelligenz und der Tierökologie hat einen neuen, fachübergreifenden Ansatz entwickelt, der die Forschung über Wildtierarten verbessern und die riesigen Datenmengen, die dank neuer Technologien gesammelt werden, effektiver nutzen soll. Ihre Studie erschien neulich in Nature Communications.

Dank der Arbeit von Grégoire Courtine und Jocelyne Bloch können Patientinnen und Patienten mit einer vollständigen Rückenmarksverletzung nun wieder stehen, gehen und sogar Freizeitaktivitäten wie Schwimmen, Velo- und Kanufahren nachgehen. 

In einer einzigartigen Zusammenarbeit mit der ECAL / Hochschule für Kunst und Design Lausanne haben Forschende der EPFL einen Algorithmus entwickelt, der mit Hilfe von maschinellem Lernen einige der weltweit ersten chinesischen Schriftzeichen generieren kann.