Cognitive Systems
Short Portrait
More than 15 years experience in comprehensible machine learning
Research field Cognitive Systems (CogSys)
In the Cognitive Systems (CogSys) group we are concerned with the development of approaches, concepts, and methods for design, description, construction, and analysis of artificial intelligence systems based on cognitive principles. On the one hand, we use findings on cognitive processes as inspiration to create artificial systems ('psychonics'), on the other hand, we are interested in computational modeling of cognitive phenomena. Therefore, in our research we combine development of algorithms and their testing in different areas of application with empirical studies, mainly in form of controlled experiments.
Main topics: research in inductive programming and explainable artificial intelligence (XAI)
Main topics of are induction and learning as well as hybrid AI approaches. We have a long research tradition in inductive programming, that is inductive synthesis of (recursive) functional or logic programs from incomplete specifications (e.g., input/output examples). Inductive programming is a powerful and general approach to learning productive rules from experience. Our research addresses comprehensible and explainable artificial intelligence (XAI). We research symbolic/knowledge-level approaches in machine learning (white box learning) and on hybrid AI (neuro-symbolic) systems, especially combining deep learning for image data with relational learning. Furthermore, we investigate analogical reasoning as a powerful approach to problem solving and as a special mechanism of knowledge acquisition. We develop 3rd wave of AI methods with the aim to enable human-AI partnerships. To this aim, we propose a mutual explanation framework for interactive learning. We propose multimodal XAI methods, especially for relational domains, combining verbal, visual, and example-based explanations.
Application areas in image based diagnostics in medicine and manufacturing and intelligent tutor systems
Application areas are explainatory and interactive machine learning for image based diagnostics in medicine and manufacturing, identification of irrelevant digital objects, facial expression analysis and classification, cognitive models of concept learning, and intelligent tutor systems for mathematics and programming.
Kurzporträt
Mehr als 15 Jahre Forschung zu nachvollziehbarem Maschinellen Lernen
Forschungsfeld Kognitive Systeme (KogSys)
Im Forschungsfeld Kognitive Systeme (CogSys) beschäftigen wir uns mit der Entwicklung von Ansätzen, Konzepten und Methoden zu Entwurf, Charakterisierung, Implementation und Analyse von Systemen der Künstlichen Intelligenz, die auf kognitiven Prinzipien basieren. Zum einen nutzen wir Erkenntnisse aus kognitiven Prozesse als Anregung zur Entwicklung künstlicher (psychonischer) Systeme. Zum anderen entwickeln wir Computationale Modelle von kognitiven Phänomenen – also Kognitive Systeme – die eine partnerschaftliche Interaktion von Mensch und Computer ermöglichen. In unserer Forschung kombinieren wir empirische Studien, die Entwicklung von intelligenten Algorithmen und das Testen in verschiedenen Anwendungsbereichen.
Hauptthemen: Forschung in Induktiver Programmierung und Erklärbarer KI
Hauptthemen sind Induktion und Lernen sowie deren Kombination mit Ansätzen des Analogen Schließens sowie des Planens und Problemlösens. Schwerpunkt ist Induktive Programmierung, also die induktive Synthese von (rekursiven) funktionalen oder logischen Programmen auf Basis unvollständiger Spezifikationen, insbesondere Beispielen. Die von uns entwickelten Ansätze des Themas "Induktion und Lernen" erlauben das Lernen komplexer, nachvollziehbarer Regeln aus wenigen Daten. Seit mehr als fünfzehn Jahren forschen wir zum Thema verständliche und erklärbare künstliche Intelligenz. Hier entwickeln wir white-box Ansätze des maschinellen Lernens, bei denen Lernen mit wissensbasierten Ansätzen kombiniert werden kann. Zudem entwickeln wir Methoden zur Erzeugung von verbalen und visuellen Erklärungen von gelernten Klassifikatoren, insbesondere für Blackbox Ansätze zur Bildklassifikation.
Anwendungen in bildbasierter Diagnostik (in Medizin und Produktion) und Intelligente Tutorsysteme
Aktuelle Anwendungen sind Identifikation irrelevanter digitaler Objekte, Qualitätskontrolle in verschiedenen Anwendungen, insbesondere Industrie 4.0, Mimikanalyse, inbesondere Schmerzklassifikation, sowie kognitive Tutorsysteme.
