Zum Hauptinhalt springen
Unsere Forschungsexperten

Dr. Jan Hendrik Metzen

Senior Expert für robuste skalierbare Perzeption

Künstliche Intelligenz kann einen wichtigen Beitrag zur Lösung vieler unserer drängendsten Probleme leisten. Sie wird aber nur dann akzeptiert werden, wenn wir ihre Limitierungen kennen, wir sie verantwortlich einsetzen und wir verständlich machen, wie sie zu ihren Entscheidungen gelangt.

Dr. Jan Hendrik Metzen

Als Senior Expert für robuste skalierbare Perzeption bei Bosch Research ist meine Forschung getrieben durch den Wunsch, das Verständnis sowie die Robustheit und Anwendbarkeit der Deep-Learning-basierten Perzeption voranzutreiben. Insbesondere liegt mein Fokus auf der Evaluierung von neuronalen Netzen und der Steigerung ihrer Robustheit. Zwar liefern neuronale Netze bei der Klassifizierung von Daten aus der Verteilung, für die sie trainiert wurden, exzellente Ergebnisse. Doch bei Daten mit leicht abweichenden Eigenschaften sind die mit ihnen erzielten Ergebnisse oftmals unzureichend. Diese Schwäche auszumerzen ist entscheidend für die Anwendung einer auf neuronalen Netzen basierten Perzeption in sicherheitskritischen Bereichen wie dem automatisierten Fahren, wo sie zwangsläufig mit Situationen konfrontiert werden, die im Rahmen ihres Trainings weder durchgespielt noch vorhergesehen wurden.

Erzählen Sie doch mal: was fasziniert Sie an der Forschung?
Forschung ermöglicht, ein tieferes Verständnis von komplexen Systemen zu erlangen. Intelligenz und die Fähigkeit zu lernen gehören für mich zu den spannendsten Phänomenen, und unsere Forschung im Bereich des maschinellen Lernens bietet mir die Chance, mich sehr tiefgehend mit offenen Fragen in diesem Themenfeld zu befassen. Außerdem können Forschungsergebnisse (insbesondere im industriellen Umfeld) einen wichtigen Beitrag zur Verbesserung der Lebensqualität und der Sicherheit von vielen Menschen leisten, wenn sie verantwortlich eingesetzt werden.

Was macht die Forschung bei Bosch besonders?
Die Forschung bei Bosch Research zeichnet sich zum einen durch viele Freiheiten der akademischen Forschung aus. Regelmäßige Veröffentlichung von Forschungsergebnissen, intensiver Austausch mit externen Wissenschaftlern und die gemeinsame Betreuung von Abschlussarbeiten und Doktoranden ermöglichen uns, gemeinsam den Stand der Wissenschaft weiterzuentwickeln. Zugleich bietet die enge Zusammenarbeit mit den Bosch-Geschäftsbereichen die Möglichkeit, von uns entwickelte Verfahren schnell in Anwendungen, beispielsweise in Fahrerassistenzsysteme zu transferieren.

Woran forschen Sie bei Bosch?
Ich forsche daran, die Robustheit von neuronalen Netzen für Perzeptionsaufgaben, etwa die Fußgängerkennung in Notbremsassistenten, zu verstehen und zu erhöhen. Ein genaues Verständnis und eine Quantifizierung der Robustheit sind wichtige Voraussetzungen für die Nutzbarkeit eines Perzeptionssystems in sicherheitskritischen Anwendungen wie dem hochautomatisierten Fahren. Basierend auf diesem Verständnis der aktuellen Limitierungen forschen wir an Methoden, um die Robustheit von neuronalen Netzen zu erhöhen.

Was sind die größten wissenschaftlichen Herausforderungen in Ihrem Forschungsfeld?
Wir verstehen noch nicht, wie wir neuronale Netze so robust wie die menschliche Perzeption machen können. Böswillige, aber kaum wahrnehmbare Veränderungen („Adversarial Attacks“) oder für Menschen harmlose Störungen wie Rauschen oder Unschärfe in Bildern können die Vorhersagen von neuronalen Netzen komplett irreführen. Für die Akzeptanz und die Zulassung von Perzeptionssystemen sind derartige unverständliche Fehler sehr problematisch, selbst wenn das System im Mittel bessere Erkennungsraten hat als der Mensch. Unsere Forschung trägt dazu bei, die Robustheit von neuronalen Netzen zu erhöhen.

Wie werden Ihre Forschungsergebnisse zu "Technik fürs Leben"?
Nur ein System, bei dem wir sicher sind, dass es auch unter unvorhergesehenen Umständen zuverlässig und sicher funktioniert, können wir mit gutem Gewissen als „Technik fürs Leben“ bezeichnen. Insbesondere bei Systemen, die auf maschinellem Lernen basieren, stellt uns dies vor große Herausforderungen. Unsere Forschungsergebnisse tragen dazu bei, die Robustheit und das Verständnis von Systemen, die auf maschinellem Lernen basieren, zu erhöhen. Somit sind sie wichtige Beiträge zu zuverlässigen und sicheren Systemen, die Menschen vor Unfällen schützen und ihre Lebensqualität verbessern können.

Lebenslauf

Seit 2019
Senior Expert für Robuste Skalierbare Perzeption mit Schwerpunkt Steigerung der Robustheit von Perzeptionssystemen auf Basis von Deep Learning und Entwicklung von automatisierten Deep-Learning-Techniken, Bosch Research

2016-2019
Senior Expert für Robuste Skalierbare Perzeption, Bosch Center for Artificial Intelligence

2013-2015
Teamleiter des Teams „Sustained Learning“ am Robotics Innovation Center mit Schwerpunkt Roboter-Lernen, Bayes‘sche Optimierung und Überwachtes Lernen, Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)

2014
Promotion zum Thema Hierarchisches Bestärkendes Lernen: „Learning the Structure of Continuous Markov Decision Processes“, Universität Bremen

Dr. Jan Hendrik Metzen

Ausgewählte Publikationen

Neural Architecture Search for Dense Prediction Tasks in Computer Vision

Elsken et al. (2023)

Neural Architecture Search for Dense Prediction Tasks in Computer Vision
  • Rohit Mohan, Thomas Elsken, Arber Zela, Jan Hendrik Metzen, Benedikt Staffler, Thomas Brox, Abhinav Valada, Frank Hutter
  • International Journal of Computer Vision, 2023
Give Me Your Attention: Dot-Product Attention Considered Harmful for Adversarial Patch Robustness

Lovisotto et al. (2022)

Give Me Your Attention: Dot-Product Attention Considered Harmful for Adversarial Patch Robustness
  • Giulio Lovisotto, Nicole Finnie, Mauricio Munoz, Chaithanya Kumar Mummadi and Jan Hendrik Metzen
  • In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition
Meta-Learning the Search Distribution of Black-Box Random Search Based Adversarial Attacks

Yatsura et al. (2021)

Meta-Learning the Search Distribution of Black-Box Random Search Based Adversarial Attacks
  • Maksym Yatsura, Jan Hendrik Metzen, Matthias Hein
  • In Advances in Neural Information Processing Systems
Efficient Multi-objective Neural Architecture Search via Lamarckian Evolution

Elsken et al. (2019)

Efficient Multi-objective Neural Architecture Search via Lamarckian Evolution
  • Thomas Elsken, Jan Hendrik Metzen, Frank Hutter
  • 7th International Conference on Learning Representations
jan hendrik metzen

Jan schreibt für den Bosch Research Blog. Hier sein neuster Beitrag:

Ihr Kontakt zu mir

Dr. Jan Hendrik Metzen
Senior Expert für robuste skalierbare Perzeption

Teile diese Seite auf