Talks II

Präsentation

Die Formalitäten einer wissenschaftlichen Publikation können heute mit generativen Transformermodellen oberflächlich glaubhaft imitiert werden. Eine Fälschung ist auf den ersten und auch zweiten Blick kaum zu erkennen. Früher hätte der Herstellungsprozess einer solch qualitativ hochwertigen Imitation länger gedauert und deutlich mehr technische und fachliche Expertise benötigt.

Auch in der visuellen Wissenschaftskommunikation erweitern Diffusionsmodelle den Möglichkeitsraum: Während einfache Text-zu-Bild Modelle eher cringe rüberkommen, können kontrollierte Modelle aus einer Skizze innert Sekunden in eine brauchbare Visualisierung diffundieren.

Im Bewegtbild sind die Modelle am schwächsten: Aber auch hier gibt es neue Produktions- und Kommunikationswege: Face-to-face, Image-to-Video, Text-To-Voice, Voice-to-Voice Modelle erlauben den technisch versierten Fälschern mit Gesicht und Stimme der Wissenschaftlerin zu erscheinen. Diese sogenannten deepfakes werden in Wissenschaft, Politik und Gesellschaft in negativem Kontext thematisiert. Aber was sind die Potenziale für die Zukunft der Wissenschaftskommunikation?

Présentation

Les progrès de la science des données et de l’intelligence artificielle ont un impact profond sur nos vies. Et la médecine ne fait pas exception. Ces nouvelles méthodes, couplées à la capacité de générer de larges ensembles de données biomédicales — génomique, transcriptomique ou encore analyse des images — permettent désormais de mieux comprendre la biologie propre à chaque tumeur et à chaque patient-e pour proposer une prise en charge réellement personnalisée.

Lors de cette présentation, l’application de l’intelligence artificielle comme aide à la décision dans une prise en charge de l’oncologie de précision sera discutée et illustrée par des exemples concrets.

Citizen-Science-Projekte sind besonders stark im Umwelt-, Klima oder Artenschutz repräsentiert. Diese Forschungen werden allerdings häufig für die geringe Qualität der erhobenen Daten kritisiert. Künstliche Intelligenz kann ein Schlüssel sein, die Datenqualität auf ein professionelles Niveau zu heben. Leistungsfähige KI-Modelle auf der anderen Seite benötigen eine große Menge Trainingsdaten, deren Sammlung im Umweltschutz nur durch Ehrenamtliche zu leisten ist.
Dieses Wechselspiel der Disziplinen wird am Beispiel konkreter Projekte diskutiert, welche die Synergien zwischen KI und Citizen-Science bereits erfolgreich umsetzen. Es werden Potenziale sowie Herausforderungen beleuchtet und aufgezeigt, wie KI-Algorithmen jenseits der Arbeit internationaler Grosskonzerne entwickelt und derart unzugängliche Themen wie KI für Laien verstehbar gemacht werden können. Citizen-Science-Projekte schaffen damit einen neuen Stil nachhaltiger Technologiegestaltung, Wissenschaftskultur und –kommunikation.