Genial & Geheim - Vortragsreihe zur gleichnamige Ausstellung
Das HNF präsentiert die Sonderausstellung »Genial & Geheim - Alan Turing in 10 Etappen« anlässlich des 100. Geburtstages des legendären englischen Mathematikers, Computerpioniers und Kryptologen.
Die Ausstellung würdigt in zehn über das Jahr 2012 verteilten Inszenierungen Turings herausragende Leistungen. Die Exponate und Installationen werden in einem eigens konzipierten Turing-Pavillon im Foyer ausgestellt und sind kostenlos zugänglich.
Die Vortragsreihe begleitet die Ausstellung. Jeder Vortrag steht zu Beginn einer neuen Inszenierung, spiegelt diese, spannt aber auch den Bogen von Turings Ideen und Projekten zur technisch-wissenschaftlichen Gegenwart. Als Referenten konnten führende Vertreter der beteiligten Fachdisziplinen gewonnen werden, darunter auch Turing-Preisträger.
Die Ausstellung würdigt in zehn über das Jahr 2012 verteilten Inszenierungen Turings herausragende Leistungen. Die Exponate und Installationen werden in einem eigens konzipierten Turing-Pavillon im Foyer ausgestellt und sind kostenlos zugänglich.
Die Vortragsreihe begleitet die Ausstellung. Jeder Vortrag steht zu Beginn einer neuen Inszenierung, spiegelt diese, spannt aber auch den Bogen von Turings Ideen und Projekten zur technisch-wissenschaftlichen Gegenwart. Als Referenten konnten führende Vertreter der beteiligten Fachdisziplinen gewonnen werden, darunter auch Turing-Preisträger.
Machine Learning and Beyond
Prof. Leslie G. Valiant, Ph. D., Professor für Informatik und Angewandte Mathematik, Harvard University, Cambridge (USA) in Kooperation mit dem Institut für Informatik der Universität Paderborn
Machine learning is a highly effective technology that has found broad applications in science and technology. Behind it is a mathematical science that first defines the goals that need to be achieved if learning is to be successful. It goes on to study the most effective ways of achieving these goals, and also to characterize cases where effective learning is impossible. However, central as this study may be for cognition, it does not account for all of cognition. The question is whether one can build on the success of machine learning to address the broader goals of artificial intelligence. We regard reasoning as the other main component, and suggest that the central challenge is to unify learning and reasoning into a single framework.
Machine learning is a highly effective technology that has found broad applications in science and technology. Behind it is a mathematical science that first defines the goals that need to be achieved if learning is to be successful. It goes on to study the most effective ways of achieving these goals, and also to characterize cases where effective learning is impossible. However, central as this study may be for cognition, it does not account for all of cognition. The question is whether one can build on the success of machine learning to address the broader goals of artificial intelligence. We regard reasoning as the other main component, and suggest that the central challenge is to unify learning and reasoning into a single framework.