Cybernetic Learning Systems Group
"Cybernetics ist das Studium von Interaktions- und Rückkopplungsprozessen, das unseren Ansatz zur Entwicklung von KI-Lösungen für komplexe Systeme bestimmt. Wir entwickeln KI-Agenten, die mit ihrer Umgebung interagieren, mit anderen Agenten kommunizieren und kooperieren und aus Rückmeldungen lernen können. Durch die Kombination von menschlichem Fachwissen und Kreativität mit der Verarbeitungsleistung von KI können wir neue Lösungen für die Probleme von heute und morgen schaffen."
Expertise
- ML für autonome Systeme & Robots
- Methodischer Fokus auf RL
- Reinforcement Learning
- KI-gestützte Entscheidungsfindung
- Intelligente Verkehrssysteme und Luftfahrt
- Mensch-KI-Interaktion und Co-Learning
- Verkörperte KI
- Multi-Agent-Systeme
Aufgrund der unterschiedlichen Hintergründe unserer Teammitglieder verfügt unsere Gruppe über ein breites Spektrum an Fachwissen. Wir entwickeln KI-Systeme, die einen positiven Einfluss auf die Gesellschaft haben und den Menschen zugute kommen, die in komplexen Umgebungen helfen, Prozesse automatisieren und die Grenze zur kollektiven Intelligenz verschieben. Unser Schwerpunkt liegt auf der Entwicklung von KI-Ansätzen, die von biologischem und rückgekoppeltem Lernen inspiriert sind, daher der Name "Kybernetik". David A. Mindell definierte Kybernetik als "die Lehre von der Interaktion zwischen Mensch und Maschine", wobei er den Kerngedanken formulierte, dass fast jedes System mit Hilfe der Prinzipien von Rückkopplung, Kommunikation und Kontrolle analysiert werden kann, die wir in unserer Forschung nachahmen. Die Entwicklung von ganzheitlichen Ansätzen für komplexe Probleme erfordert die Verwendung von mehr als einem Werkzeug, weshalb wir die am besten geeigneten Ansätze nutzen, die von Multi-Agenten, verteilten und hierarchischen bis hin zu kausalen RL reichen. Unsere KI-Agenten sollen sowohl ihre Umgebung als auch andere menschliche und künstliche Agenten wahrnehmen und mit ihnen interagieren und sich dabei vorhersehbar und zuverlässig verhalten. Unsere Anwendungsbereiche sind praktisch unbegrenzt: Integration von KI in Verkehrssysteme wie Luftfahrt und Bahn, Unterstützung menschlicher Entscheidungsträger, Vollautomatisierung von Prozessen und Robotik, um nur einige zu nennen. Für uns ist es wichtig, die menschliche Handlungsfähigkeit und Kontrolle über die Systeme zu erhalten und sicherzustellen, dass menschliches Fachwissen und Expertise nicht verloren geht oder ersetzt wird, sondern unterstützt und verbessert wird.
Siehe auch: https://cyberneticlearningsystems.github.io/
Angebote
- Einblick: Keynotes, Trainings, public outreach, scientific diplomacy
- KI-Beratung: Workshops, Expertenunterstützung, Beratung, Technikfolgenabschätzung, ethische Folgenabschätzung
- Forschung und Entwicklung: kleine bis grosse Gemeinschaftsprojekte, Drittmittelforschung, studentische Projekte, praxiserprobte Prototypen
Team
Projekte
Leider kann hier momentan keine Liste der Projekte angezeigt werden. Bis die Liste wieder verfügbar ist, kann die Projektsuche auf der Dachseite der ZHAW genutzt werden.
Publikationen
- Vorherige Seite
- Seite 01
- Seite 02
- Seite 03
- Seite 04
- Nächste Seite
-
2007.
Bern:
UniPress.
-
Timmermann, Axel; Okumura, Y.; An, S.-I.; Clement, A.; Dong, B.; Guilyardi, E.; Hu, A.; Jungclaus, J. H.; Renold, Manuel; Stocker, T. F.; Stouffer, R. J.; Sutton, R.; Xie, S.-P.; Yin, J.,
2007.
The influence of a weakening of the Atlantic meridional overturning circulation on ENSO.
Journal of Climate.
20, S. 4899-4919.
Verfügbar unter: https://doi.org/10.1175/JCLI4283.1
-
Mölg, Thomas; Renold, Manuel; Vuille, Mathias; Cullen, Nicolas J.; Stocker, Thomas F.; Kaser, Georg,
2006.
Geophysical Research Letters.
33(18).
Verfügbar unter: https://doi.org/10.1029/2006GL026384
-
Yoshimori, Masakazu; Raible, Christoph; Stocker, Thomas; Renold, Manuel,
2006.
Climate Dynamics.
27(5), S. 493-513.
Verfügbar unter: https://doi.org/10.1007/s00382-006-0144-6
-
Yoshimori, Masakzu; Stocker, Thomas; Raible, Christoph; Renold, Manuel,
2005.
Externally forced and internal variability in ensemble climate simulations of the Maunder Minimum.
Journal of Climate.
18, S. 4253-4270.
Verfügbar unter: https://doi.org/10.1175/JCLI3537.1