Studium, Ausbildung und Beruf

web uni-protokolle.de
 powered by
NachrichtenLexikonProtokolleBücherForenMontag, 18. Dezember 2017 

Google Europe Doctorate Fellowship 2014 in Kausaler Inferenz für Tübinger Nachwuchswissenschaftler

04.08.2014 - (idw) Max-Planck-Institut für Intelligente Systeme

Carl Johann Simon-Gabriel, 25-jähriger Nachwuchsforscher am Tübinger Max-Planck-Institut für Intelligente Systeme, Abteilung Empirische Inferenz (Prof. Dr. Bernhard Schölkopf), erhält 2014 als einer von 15 Nachwuchswissenschaftlern in Europa eines der begehrten Doktorandenstipendien von Google. Laut Google gehören sie international zur aufstrebenden Elite im Bereich der Informatik. Als Kriterien für die dreijährige Förderung führt Google an, dass die Stipendiaten außerordentlich fähig, kenntnisreich und kreativ seien. Mehr als nur Informatik: Sprachgewandt und Musikbegeistert

Carl Johann Simon-Gabriel promoviert am Tübinger Standort des Max-Planck-Instituts für Intelligente Systeme. Kenntnisse in fünf Sprachen führt er in seinem Lebenslauf auf: aufgewachsen zweisprachig mit Deutsch und Französisch, fließend in der Wissenschaftssprache Englisch und zudem hat er sieben Jahre Russisch und zwei Jahre Japanisch gelernt.

Nicht zuletzt war es wohl aber auch seine Liebe zur Musik, die dazu beigetragen hat, dass er das kompetitive Auswahlverfahren durch Google gemeistert hat. Denn neben der Schule und dem Studium von Mathematik, Physik und Computerwissenschaft in Straßburg und Paris (2007-2013), absolvierte er in Frankreich eine Musikausbildung am Straßburger Konservatorium, mit dem Fokus auf Klavier, Kammermusik und Musikkultur.

Maschinelles Lernen trifft auf Musik

Simon-Gabriel hat im Studium Methoden des Maschinellen Lernens (ML) kennen gelernt. ML ist eine Schlüsselqualifikation zur Auswertung von teils riesigen Datensätzen in vielen Forschungsbereichen: Medizin, Biologie, Klimaforschung etc.
Maschinelles Lernen ist ein Oberbegriff für die künstliche Generierung von Wissen aus Erfahrung. Ein künstliches System lernt aus Beispielen und kann nach dem Ende der Lernphase verallgemeinern und somit auf neue Situationen reagieren. Das heißt, es lernt nicht einfach die Beispiele auswendig, sondern es erkennt Gesetzmäßigkeiten in den Lerndaten. So kann das System auch neue Daten beurteilen und voraussagen.
Im Rahmen seiner Doktorarbeit widmet sich Simon-Gabriel einem Teilbereich dieser Disziplin, der Kausalen Inferenz. Oft korrelieren Daten miteinander, ohne dass sie sich direkt verursachen so z.B. die Geburtsrate und die Häufigkeit von Klapperstörchen in europäischen Ländern. Mittels der Kausalen Inferenz versucht man nicht nur eine bestimmte Variable Y anhand einer anderen X vorherzusagen, wie im klassischen Maschinellen Lernen, sondern man versucht zu verstehen, ob eine der beiden Variablen die andere auch "verursacht", oder ob es vielleicht eine dritte Variable Z gibt, die beide anderen zusammen erklärt.

Eine Idee von Carl Johann Simon-Gabriel und Professor Bernhard Schölkopf ist, zum Beispiel, Methoden der Kausalen Inferenz auf Musikdaten anzuwenden. Es reizt sie, herauszufinden, ob musikalische Sätze nur durch die schon gespielten Noten bedingt sind, oder ob die Endnote eventuell in einem noch zu definierenden "kausalen" Sinn einen Einfluss hat.
Zur Erklärung: Ob es heute regnen wird oder nicht, hängt - kausal gesehen - nur von der Vergangenheit ab, nicht aber davon, ob es in den kommenden Tagen regnen wird. Das könnte bei Musik vielleicht anders sein: die Note, die als nächstes ertönt, hängt natürlich davon ab, was vorher schon gekommen ist, aber wahrscheinlich auch davon, wohin der Komponist den Melodiesatz hinführen möchte.

Bevor er zur Abteilung von Professor Schölkopf kam, gehörte Simon-Gabriel zum Internationalen Trainingsnetzwerks Maschinelles Lernen für Personalisierte Medizin, das vom Tübinger MPI für Intelligente Systeme aus koordiniert wurde. Währenddessen sammelte er Erfahrung darin, Maschinelles Lernen auf biologische und medizinische Datensätze anzuwenden. Auch in diesen Bereichen ist das Unterscheiden von Korrelation und Kausaler Beziehung eine immer wiederkehrende Frage.

Am Ende seiner Doktorarbeit, bzw. in etwa drei bis vier Jahren, wird sich zeigen, wohin sich die Ideen und Visionen hinsichtlich Kausaler Inferenz, Musik und Biologie entwickelt haben. Die weitere Aufmerksamkeit von Google dürfte dem jungen Forscher dann aber gewiss sein. Weitere Informationen:http://www.is.mpg.dehttp://www.is.tuebingen.mpg.dehttp://research.google.com/university/relations/fellowship_recipients.html
uniprotokolle > Nachrichten > Google Europe Doctorate Fellowship 2014 in Kausaler Inferenz für Tübinger Nachwuchswissenschaftler
ImpressumLesezeichen setzenSeite versendenDruckansicht

HTML-Code zum Verweis auf diese Seite:
<a href="http://www.uni-protokolle.de/nachrichten/id/282519/">Google Europe Doctorate Fellowship 2014 in Kausaler Inferenz für Tübinger Nachwuchswissenschaftler </a>