Prof. Andreas Krause erhält ICML Test of Time Award

Das ICML ist neben der Conference on Neural Information Processing Systems (NeurIPS) eine der beiden wichtigsten Konferenzen zum maschinellen Lernen. Der Preis wird j?hrlich an eine der vor 10 Jahren ver?ffentlichten Arbeiten verliehen. Das Paper wurde f¨¹r die Tiefe und Breite der Auswirkungen anerkannt, die es in den letzten zehn Jahren hatte.

Andreas Krause, Niranjan Srinivas (10x Genomik), Matthias Seeger (Amazonas) und Sham Kakade (Universit?t Washington) haben die preisgekr?nte Arbeit verfasst.

?ber das Paper:

Sollen wir in unser Lieblingsrestaurant gehen oder ein neues ausprobieren? Diese Frage ist ein Beispiel f¨¹r das so genannte "Exploration-Exploitation"-Dilemma und stellt sich bei zahlreichen Anwendungen, bei denen man eine unbekannte, laute Funktion optimieren muss.

Ein wichtiger Ansatz f¨¹r dieses Problem ist die Bayessche Optimierung: Zur Modellierung der unbekannten Funktion wird ein Bayessches Modell - typischerweise ein Gauss-Prozess (GP) - verwendet. Seine Vorhersageunsicherheit kann dann nicht nur dazu verwendet werden, Vorhersagen ¨¹ber noch nicht erforschte Alternativen zu treffen, sondern auch zur Begr¨¹ndung der Aussagekraft eines Experiments. W?hrend dieser Ansatz sehr flexibel ist und in verschiedenen Anwendungen eingesetzt wurde, war die Bayessche Optimierung vor dem ICML-Paper in erster Linie heuristischer Natur. Der Kompromiss zwischen Exploration und Ausbeutung wurde auch im Rahmen des MAB-Paradigmas (Multi-Armed Bandit) eingehend untersucht. Die sich daraus ergebenden Ans?tze sind mit einer eleganten Theorie verbunden, waren jedoch in der Modellierungsflexibilit?t eingeschr?nkter.

Als einen zentralen Beitrag stellte das ICML-Paper eine neuartige Verbindung zwischen diesen beiden bisher weitgehend getrennten Literaturstellen her. Es schl?gt einen praktischen Algorithmus, GP-UCB, vor, der auf klassischen Ideen von mehrarmigen Banditen aufbaut, insbesondere auf dem Prinzip des "Optimismus angesichts der Unsicherheit", und diese auf Gauss-Prozessmodelle ausdehnt.

Prof. Krause und seine Co-Autoren werden im Rahmen einer virtuellen Preisverleihung ausgezeichnet, die f¨¹r Montag, den 13. Juli 2020 geplant ist.

?ber Prof. Andreas Krause:

Andreas Krause ist Professor f¨¹r Informatik an der ETH Z¨¹rich und leitet die Gruppe "Learning & Adaptive Systems". Zudem ist er akademischer Co-Direktor des Swiss Data Science Center. Seine Forschungsschwerpunkte sind maschinelles Lernen, Data Mining, Optimierung, lernende Systeme, Sensorik und Netzwerkanalyse. Er erhielt seinen Doktortitel in Informatik von der Carnegie Mellon University (2008) und sein Diplom in Informatik und Mathematik von der Technischen Universit?t M¨¹nchen, Deutschland (2004). Danach war er als Assistenzprofessor f¨¹r Informatik am Caltech t?tig. Prof. Krause ist Microsoft Research Faculty Fellow und Kavli Frontiers Fellow der Nationalen Akademie der Wissenschaften der USA. Er diente als Programm-Ko-Vorsitzender f¨¹r ICML 2018 und ist regelm?ssig als Area Chair oder Senior Program Committee Member f¨¹r ICML, NeurIPS, AAAI und IJCAI sowie als Action Editor f¨¹r das Journal of Machine Learning Research t?tig.