© Pint of Science, 2024. All rights reserved.
Wir reisen von einer Liebesbeziehung zwischen Zellen und Bakterien über neue Aspekte in der Pflanzenforschung in die spannende Welt von ChatGPT und Co. Wie konnte sich ein Bakterium in unseren Zellen einnisten und was macht es da? Warum kann eine Pflanzenzelle ohne dieses „perfect match“ nicht leben und wie entscheidet sie was mal aus ihr werden soll? Warum gleicht der Lernprozess bei ChatGPT eher einem Marathon als einem Sprint?
We will travel from a love affair between cells and bacteria to new aspects of plant research and the exciting world of ChatGPT and Co. How could a bacterium nestle …
We will travel from a love affair between cells and bacteria to new aspects of plant research and the exciting world of ChatGPT and Co. How could a bacterium nestle …
Berufsberatung für Pflanzenzellen (DE)
Svenja Augustin
(Heinrich-Heine-Universität, PhD Studentin Cluster of Excellece on Plant Sciences CEPLAS )
Wie Pflanzenzellen entscheiden, was aus ihnen wird, wenn sie mal groß werden, und was der Peter Pan unter den Pflanzenzellen mit dem CO2-Abdruck unseres Essens zu tun hat.
How plant cells decide what happens to them when they grow up, and what the Peter Pan of plant cells has to do with the CO2 footprint of our food.
How plant cells decide what happens to them when they grow up, and what the Peter Pan of plant cells has to do with the CO2 footprint of our food.
© CEPLAS
The ancient partnerships that have shaped life (EN)
Dr. Megan Sørensen
(Heinrich-Heine-Universität, Institut für Mikrobielle Zellbiologie)
Our cells produce energy using the relics of ancient bacteria. And other bacterial relics enable plants to harness the energy of light. But how did these bacteria get there? And what keeps them under control?
Unsere Zellen produzieren Energie mit Hilfe der Überreste alter Bakterien. Und andere bakterielle Überreste ermöglichen es Pflanzen, die Energie des Lichts zu nutzen. Aber wie sind diese Bakterien dorthin gekommen? Und was hält sie unter Kontrolle?
Unsere Zellen produzieren Energie mit Hilfe der Überreste alter Bakterien. Und andere bakterielle Überreste ermöglichen es Pflanzen, die Energie des Lichts zu nutzen. Aber wie sind diese Bakterien dorthin gekommen? Und was hält sie unter Kontrolle?
© Megan Sørensen
Slow and steady wins the race: Reinforcement learning in Conversational AI (EN)
Prof. Milica Gašić
(Heinrich-Heine-Universität, Dialog Systems and Machine Learning )
Reinforcement learning as a machine learning framework has been defined long ago, but until recently it had always been pushed to side by more widely used supervised learning. In this talk we are going to cover the essentials of reinforcement learning and how it revolutionised recent conversational AI models.
Bestärkendes Lernen als Framework für maschinelles Lernen wurde schon vor langer Zeit definiert, aber bis vor kurzem wurde es immer von dem weiter verbreiteten Überwachten Lernen verdrängt. In diesem Vortrag geht es um die Grundlagen des Bestärkenden Lernens und wie es die jüngsten KI-Modelle revolutioniert hat.
Bestärkendes Lernen als Framework für maschinelles Lernen wurde schon vor langer Zeit definiert, aber bis vor kurzem wurde es immer von dem weiter verbreiteten Überwachten Lernen verdrängt. In diesem Vortrag geht es um die Grundlagen des Bestärkenden Lernens und wie es die jüngsten KI-Modelle revolutioniert hat.
© Foto von Growtika auf Unsplash
Map data © OpenStreetMap contributors.