HAPPI - Human-aware PGMs and Probabilistic Inference via Lifted Model Reconciliation (HAPPI)

Grunddaten zu diesem Projekt

Art des ProjektesGefördertes Einzelprojekt
Laufzeit an der Universität Münster15.03.2024 - 31.12.2026

Beschreibung

Bei diesem Projekt geht es darum, die Kommunikation zwischen KI-Systemen und Menschen zu verbessern. In KI-basierten Systemen werden häufig Modelle aus Daten gelernt. Diese Modelle können zwar auch Wissen von Expertinnen und Experten beinhalten, sind aber häufig durch die gelernten Informationen aus den Daten nicht mehr einfach zu erklären. In dem Projekt wird dort angesetzt, indem Methoden erforscht werden, wie solche gelernten Modelle mit den Erwartungen von Expertinnen und Experten in Übereinstimmung gebracht werden können und Mensch und System sich gegenseitig ihre Wissenslücken erklären können. Auf lange Sicht sollen diese Systeme zum Beispiel in Medizin oder Geisteswissenschaften ihre Vorschläge erklären können.

StichwörterKI-Systeme; Erklärbarkeit; probabilistische graphische Modelle
Webseite des Projektshttps://www.uni-muenster.de/Informatik.AGBraun/en/research/projects/happi.html
Förderkennzeichen005-2401-0004
Mittelgeber / Förderformat
  • MKW - Förderlinie „Künstliche Intelligenz/Maschinelles Lernen“ - KI-Starter

Projektleitung der Universität Münster

Braun, Tanya

Antragsteller*innen der Universität Münster

Braun, Tanya

Wissenschaftliche Projektmitarbeiter*innen der Universität Münster

Speller, Jan

Publikationen der Universität Münster entstanden im Projekt

Luttermann, Malte; Speller, Jan; Gehrke, Marcel; Braun, Tanya; Möller, Ralf; Hartwig, Mattis (2025)
In: Kwok, James (Hrsg.), IJCAI-25 Proceedings of the 34th International Joint Conference on Artificial Intelligence9077-9085Montreal / IJCAI Organization. doi:10.24963/ijcai.2025/1009
Forschungsartikel in Sammelband (Konferenz) | Peer reviewed | Veröffentlicht
Speller, Jan; Luttermann, Malte; Gehrke, Marcel; Braun, Tanya (2025)
In: Lynce, I.; et al. (Hrsg.), ECAI-25 Proceedings of the 28th European Conference on Artificial Intelligence5051-5058OnlineIOS Press. doi:10.3233/FAIA251420
Forschungsartikel in Sammelband (Konferenz) | Peer reviewed | Veröffentlicht
Speller, Jan; Luttermann, Malte; Gehrke, Marcel; Braun, Tanya (2025)
In: Melzer, Sylvia; Peukert, Hagen; Thiemann, Stefan; Bender, Magnus; Özçep, Özgür L.; Russwinkel, Nele; Sauerwald, Kai; Wolter, Diedrich (Hrsg.), Proceedings of the Joint Workshop on Humanities-Centred Artificial Intelligence and Formal & Cognitive Reasoning co-located with 48th German Conference on Artificial IntelligenceCEUR-WS.
Forschungsartikel in Online-Sammlung (Konferenz) | Peer reviewed | Veröffentlicht

Vorträge zum Projekt

Inducing Comparability of Factorised Probability Distributions
Speller, Jan; Luttermann, Malte; Gehrke, Marcel; Braun, Tanya (19.03.2026)
3rd Logic and AI Meet-up, Hagen
Art des Vortrags: wissenschaftlicher Vortrag
Compression versus Accuracy: A Hierarchy of Lifted Models
Speller, Jan; Luttermann, Malte; Gehrke, Marcel; Braun, Tanya (29.10.2025)
28th European Conference on Artificial Intelligence (ECAI 2025), Bologna
Art des Vortrags: wissenschaftlicher Vortrag
Towards Explainability of Approximate Lifted Model Construction: A Geometric Perspective
Speller, Jan (16.09.2025)
Joint Workshop on Humanities-Centred Artificial Intelligence and Formal & Cognitive Reasoning co-located with 48th…, Potsdam
Art des Vortrags: wissenschaftlicher Vortrag
What Can Explainability Mean for Probabilistic Inference?
Braun, Tanya (27.06.2024)
sAIOnARA 2024 (Conference on Shaping Trustworthy AI: Opportunities, Innovation, and Achievements for Reliable…, Bielefeld
Art des Vortrags: wissenschaftlicher Vortrag