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
-
Deep Dive ML on Simulated Enzyme-Electrolysis Performance
The goal of this pilot study is to research requirements needed to develop a computational model that simulates the fluidic and electro-biochemical dynamics in the power-to-liquid process in order to optimise the performance, efficiency and longevity of enzymes.
-
AI4REALNET – AI for REAL-world NETwork operation
The scope of AI4REALNET covers the perspective of AI-based solutions addressing critical systems (electricity, railway, and air traffic management) modelled by networks that can be simulated, and are traditionally operated by humans, and where AI systems complement and augment human abilities. It has two main ...
-
Effizientes Monitoring der Steuerung von Lichtsignalanlagen
Mit Hilfe von üblicherweise an Verkehrsknotenpunkten verfügbaren Sensorikdaten sollen mittels statistischen Methoden und Simulationsmodellen verkehrsrelevante Indikatoren ermittelt werden.
-
FarmAI – Künstliche Intelligenz für den Farming Simulator
Für die weltweit erfolgreiche Videospiel-Serie “Farming Simulator” von GIANTS Software GmbH wird mittels künstlicher Intelligenz (KI) ein neuer, langfristig unterhaltender, einfach erweiterbarer Spielmodus ermöglicht. In diesem Projekt werden Reinforcement Learning Algorithmen eingesetzt, um ...
-
Welle 7
Die Genossenschaft Migros Aare Bern realisiert am Standort Bahnhof Bern einen hochfrequentierten zentralen Standort mit verschiedenen Nutzungsarten. Auf 10‘000 Quadratmetern wird ein Erlebnis-, Bildungs- und Shoppingcenter in unmittelbarer Nähe der Bahnhofswelle im Westteil des Bahnhofs Bern gestaltet.Da ein ...
-
Energiewende und gesellschaftliche Verankerung
Ausgangslage Das Projekt definiert eine soziale Agenda der Energiewende auf vier Ebenen: Raum-Zeit-Politik Verdichtetes Bauen Freiräume und Langsamverkehr Exklusion – vulnerable Gruppen Distanzen zwischen Wohnen, Arbeiten, Betreuung von Kindern und Angehörigen führen zu langen Wegen im Alltag und ...
-
Entwicklung neuer Verhaltensmodelle zur Simulation von Personenströmen und eines optimierten Ertragskonzepts
Die Simulation von Personenströmen gewinnt weltweit stark an Bedeutung. Mit den Innovationen dieses Projektes soll die Qualität der Ergebnisse substanziell gesteigert und die Projektbearbeitungsdauer reduziert werden. Es soll neben einer Desktop- neu auch eine Cloud-Computing-Lösung etabliert werden, um Rechenzeiten ...
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