AI4Sci: Ein hybrider KI-Ansatz zur Interpretation wissenschaftlicher Online-Diskurse

Wissenschaftliche Erkenntnisse bilden einen zentralen Bestandteil öffentlichen Diskurses, z.B. im Kontext der COVID-19-Pandemie. Aufgrund ihrer Komplexität sowie der Mechanismen von Online-Plattformen, auf denen kontroverse Aussagen nachweislich mehr Nutzerinteraktionen und Viralität erzeugen, werden wissenschaftliche Erkenntnisse jedoch oft in vereinfachter, dekontextualisierter und irreführender Weise dargestellt. AI4Sci widmet sich der Herausforderung, hybride KI-Methoden zum Erkennen und Interpretieren wissenschaftlicher Behauptungen im Online-Diskurs bereitzustellen und so Desinformation in der Gesellschaft zu bekämpfen. Fortschritte in Bereichen wie Transfer Learning und neuraler NLP-Methoden haben neue Möglichkeiten für KI-basiertes Verstehen von Online-Diskursen eröffnet. Auf der anderen Seite tragen strukturierte Wissensgraphen dazu bei, die Transparenz und Leistungsfähigkeit von Deep Learning-basierten Modellen zu verbessern. Das Projekt wird hybride KI-Methoden entwickeln, um Online-Diskurse über wissenschaftliche Erkenntnisse in Online-Nachrichtenmedien und im Social Web zu klassifizieren und zu disambiguieren und kontextuelle Informationen zu gewinnen. AI4Sci wird Methoden an der Schnittstelle von statistischen Modellen, distributioneller Semantik und symbolischer KI in hybride Ansätze überführen. Die hybride Methodik von AI4Sci wird zu wichtigen KI-Herausforderungen wie Transparenz und Reproduzierbarkeit neuraler Modelle beitragen.