Künstliche Intelligenz wird oft durch begrenzte Datenmengen gebremst, zum Beispiel in der biomedizinischen Spitzenforschung. Auf dem SmallData-Symposium 2024 bietet der Sonderforschungsbereich (SFB) 1597 „Small Data“ eine Plattform, um Lösungen für dieses Problem zu diskutieren und das Potenzial von KI, z.B. in der molekularen Medizin, bei seltenen Erkrankungen und unterrepräsentierten Gruppen, voll auszuschöpfen.
Neben Expert*innen des SFB und Vertreter*innen der Universität Freiburg werden auch internationale Expert*innen, z.B. vom National Cancer Institute (NCI), USA, und dem National Institute of Health and Medical Research (Inserm), Frankreich, an der Diskussion teilnehmen. Ein Diskussionsthema wird sein, wie man das Wissen von Foundation-Modellen einbeziehen kann, welche auf großen Datensätzen vortrainiert wurden, wie z.B. die Large-Language-Modelle (LLMs) in ChatGPT. Ein übergreifendes Thema wird sein, wie KI am besten in die biomedizinische Forschung integriert werden kann, indem Expertenwissen in das maschinelle Lernen einbezogen wird, was zudem einen Paradigmenwechsel in der Forschungskultur erfordern könnte.
Das Symposium zeichnet sich durch seine innovativen Formate aus, die Interaktion, Austausch und Zusammenarbeit fördern sollen. Dazu gehören interdisziplinäre Podiumsdiskussionen, bei denen Expert*innen aus den Bereichen Medizin, Biomedizin, Statistik/Systemmodellierung und Mathematik ihre Perspektiven austauschen, um gemeinsam Lösungen für die Herausforderungen im Bereich der kleinen Daten zu entwickeln. Ein weiterer wichtiger Teil der Veranstaltung sind die „Poster Pitches“. Hier werden Wissenschaftler*innen ihre Forschungsarbeiten kurz vorstellen. Nach dem Rundgang besteht die Möglichkeit zu ausführlichen Diskussionen. Dies wird auch die Richtung der derzeit entstehenden Small-Data-Bewegung in der KI steuern.
Für Pressevertreter*innen besteht am 7. Oktober 2024 um 12:30 Uhr die Möglichkeit, an einem exklusiven Pressegespräch mit den Vortragenden des ersten Blocks teilzunehmen, um ein tieferes Verständnis der in ihren Vorträgen behandelten Themen zu ermöglichen.
• Was: SmallData Symposium 2024
• Wann: 7. bis 8. Oktober 2024, Beginn jeweils um 8:30 Uhr
• Wo: Albert-Ludwigs-Universität Freiburg, Aula, Kollegiengebäude I, Platz der Universität 3, 79098 Freiburg
• Ein Pressegespräch findet am 7. Oktober 2024 um 12:30 Uhr statt. Bitte teilen Sie uns im Voraus mit, wenn Sie mit bestimmten Vortragenden Kontakt aufnehmen möchten. Wir werden uns bemühen, dies für Sie zu arrangieren.
• Sprache der Veranstaltung: Englisch
Kontakt:
Marc Schumacher
Administrative Manager
CRC 1597 Small Data Office
Institute of Medical Biometry and Statistics (IMBI)
Stefan-Meier-Str. 26 · 79104 Freiburg
bemb.smalldataoffice@uniklinik-freiburg.de
Hinweise zur Teilnahme:
Teilnahme ist kostenlos
Termin:
07.10.2024 ab 08:30 - 08.10.2024 16:00
Anmeldeschluss:
10.09.2024
Veranstaltungsort:
Albert-Ludwigs-Universität Freiburg
Aula
Kollegiengebäude I
Platz der Universität 3
79098 Freiburg
Baden-Württemberg
Deutschland
Zielgruppe:
Journalisten
E-Mail-Adresse:
Relevanz:
überregional
Sachgebiete:
Informationstechnik, Mathematik, Medizin
Arten:
Konferenz / Symposion / (Jahres-)Tagung, Pressetermine
Eintrag:
06.09.2024
Absender:
Rimma Gerenstein
Abteilung:
Hochschul- und Wissenschaftskommunikation
Veranstaltung ist kostenlos:
ja
Textsprache:
Deutsch
URL dieser Veranstaltung: http://idw-online.de/de/event77634
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).