Kontinuierliche Optimierung jenseits der Black-Box-Annahme

Auch wenn Menschen irrational sein können, wollen wir oft die besten Entscheidungen treffen. Wir wollen zum Beispiel wissen, welche Hypothek am besten geeignet ist oder ob wir durch den Kauf einer KlimaTicket Geld sparen können. Bei diesen und vielen anderen Problemen geht es darum, den besten Weg zu finden, um etwas zu minimieren oder zu maximieren, z. B. Kosten oder Einsparungen. Im Allgemeinen können diese Probleme sehr kompliziert sein, manchmal mit Millionen oder Milliarden von Faktoren, so dass wir schrittweise Methoden, so genannte iterative Algorithmen, verwenden, um Lösungen zu finden. Die Untersuchung dieser Methoden wird als mathematische Optimierung bezeichnet. Einige Optimierungsprobleme können mit Computern schnell gelöst werden, aber andere, wie das Training fortgeschrittener KI-Modelle, können Monate dauern. Daher ist es wichtig, die besten Algorithmen für verschiedene Problemtypen zu finden oder sogar neue, effizientere Algorithmen zu entdecken. Ziel dieses Projekts ist es, genau das zu tun: intelligentere Wege zur Lösung von Problemen zu finden, indem wir ihre Struktur besser verstehen. Durch die Entwicklung besserer Algorithmen können wir die Auswirkungen auf die Umwelt verringern und moderne KI-Systeme ein wenig erklärbarer machen.