Selbstüberwachtes Lernen ist ein Ansatz, bei dem KI-Systeme aus Daten lernen, ohne auf von Menschen gelabelte Beispiele angewiesen zu sein – indem sie selbstständig Muster erkennen. Mit dem Aufkommen von Modellen wie ChatGPT und multimodalen Systemen wie SigLIP, die auf riesigen Mengen gelabelter Daten trainiert werden, stellt sich jedoch eine wichtige Frage: Ist selbstüberwachtes Lernen noch der richtige Weg?

Dieser Vortrag argumentiert, dass dies der Fall ist. Inspiriert davon, wie Menschen – insbesondere Säuglinge – aus ihrer Umgebung lernen, bleibt selbstüberwachtes Lernen ein leistungsfähiges und skalierbares Paradigma. Es ist besonders wertvoll in Bereichen, in denen gelabelte Daten knapp, teuer oder schwer zu beschaffen sind, wie etwa bei Bild-, Video- und 3D-Daten sowie in multimodalen Anwendungen.

Trotz der zunehmenden Dominanz großer multimodaler Modelle spielen selbstüberwachte Ansätze weiterhin eine zentrale Rolle bei der Weiterentwicklung von KI-Fähigkeiten. Insbesondere werden wir untersuchen, warum Video als nächstes großes Forschungsfeld gilt – da es eine bisher unerreichte Datenfülle und -vielfalt bietet. Die Nutzung von Videodaten eröffnet den Weg zu einer neuen Generation visueller KI-Systeme mit einem robusteren, menschenähnlichen Verständnis.

Neben der Anmeldung zu unseren einzelnen Veranstaltungen lohnt sich auch ein Blick auf unser Event „5 Jahre UTN: Where Nürnberg Meets Technology – Join the journey to the future of AI“ . Hier habt ihr die Möglichkeit, einen ganzen Nachmittag mit verschiedenen Programmpunkten an der UTN zu erleben.