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 jährlich an eine der vor 10 Jahren veröffentlichten Arbeiten verliehen. Das Paper wurde für 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 (Universität Washington) haben die preisgekrönte Arbeit verfasst.

Über das Paper:

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

Ein wichtiger Ansatz für 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 über noch nicht erforschte Alternativen zu treffen, sondern auch zur Begründung der Aussagekraft eines Experiments. Während 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 Ansätze sind mit einer eleganten Theorie verbunden, waren jedoch in der Modellierungsflexibilität eingeschränkter.

Als einen zentralen Beitrag stellte das ICML-Paper eine neuartige Verbindung zwischen diesen beiden bisher weitgehend getrennten Literaturstellen her. Es schlägt 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 für Montag, den 13. Juli 2020 geplant ist.

Über Prof. Andreas Krause:

Andreas Krause ist Professor für Informatik an der ETH Zürich 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 Universität München, Deutschland (2004). Danach war er als Assistenzprofessor für Informatik am Caltech tätig. Prof. Krause ist Microsoft Research Faculty Fellow und Kavli Frontiers Fellow der Nationalen Akademie der Wissenschaften der USA. Er diente als Programm-Ko-Vorsitzender für ICML 2018 und ist regelmässig als Area Chair oder Senior Program Committee Member für ICML, NeurIPS, AAAI und IJCAI sowie als Action Editor für das Journal of Machine Learning Research tätig.