Tobias Huber M.Sc.

Wissenschaftlicher Mitarbeiter
Lehrstuhl für Menschzentrierte Künstliche Intelligenz
Telefon: (+49)(0)821 – 598 2336
E-Mail:
Raum: 2015 (N)
Adresse: Universitätsstraße 6a, 86159 Augsburg

Forschungsinteressen

Im Fokus meiner Forschung steht die Erklärbarkeit Künstlicher Intelligenz und insbesondere des Bestärkenden Lernens (Reinforcement Learning).


Ich finde es faszinierend, wie bestärkende Lernalgorithmen nur auf Basis von Beobachtungen und Belohnungen selbstständig Strategien entwickeln können. Zum Teil entwickeln die Agenten sogar neue Strategien, die selbst Menschen so noch nicht bedacht haben ( z.B. beim Schachcomputer AlphaZero). Da man hierbei jedoch lediglich das Ziel der Agenten festlegt, ist oft nicht klar, wie genau die gelernten Strategien aussehen. Dieser Umstand wird durch die Verwendung moderner maschineller Lernverfahren noch verstärkt, die zwar beachtliche Erfolge erzielen jedoch auch sehr undurchsichtig sind.


Ziel meiner Forschung ist die Entwicklung neuer Algorithmen, die das Verhalten intelligenter Agenten für Nutzer erklärbar machen und somit die Zusammenarbeit von Mensch und Computer erleichtern.

Vorträge

2023

An introduction to explanation methods for reinforcement learning and their evaluation. Eingeladener Gastvortrag im Rahmen der Vorlesung "Advanced Topics in AI and Robotics" an der Hochschule Bonn-Rhein-Sieg, 17.04.2023.

Präsentation eines Demonstrators zu Erklärbarer Künstlicher Intelligenz bei der Eröffnung des "KI-Erlebnisraums Halle 43". Augsburg, 19.06.2023

2022

Was Pacman denkt – Wie künstliche Intelligenz das Spielen lernt. Vortrag auf der langen Nacht der Wissenschaften, Augsburg, 16.07.2022, Folien .

2021

Erklärbares tiefes Bestärkendes Lernen. Eingeladener Gastvortrag im Rahmen des CSL Machine Learning Reading Clubs des Computational Science Lab (CSL) an der Universität Hohenheim, 02.02.2021, Folien .

Lehre

Seit dem Wintersemester 18/19 bin ich einer der Hauptdozenten für die Veranstaltungen Einführung in die Spieleprogrammierung und Praktikum Spieleprogrammierung.

Veranstaltungen

  • WS23/24: Praktikum Spieleprogrammierung

  • SS23: Einführung in die Spieleprogrammierung

  • WS22/23: Praktikum Spieleprogrammierung

  • SS22: Einführung in die Spieleprogrammierung

  • WS21/22: Praktikum Spieleprogrammierung

  • SS21: Einführung in die Spieleprogrammierung

  • WS20/21: Praktikum Spieleprogrammierung

  • SS20: Einführung in die Spieleprogrammierung

  • WS 19/20: Praktikum Spieleprogrammierung

  • SS 19: Einführung in die Spieleprogrammierung

  • WS 18/19: Praktikum Spieleprogrammierung

Einblicke in entstandene Abschlussprojekte

Auf der Website der Veranstaltungen könnt ihr weitere Projekte aus den Spieleprogrammierungs Vorlesungen ansehen und sogar spielen.

 

 

 

 

 

Weitere Veranstaltungen an denen ich beteiligt war:

Betreute Abschlussarbeiten

Masterarbeiten

  • Deep Reinforcement Learning with MuZero: Theoretical Foundations, Variants, and Implementation for a Collaborative Game (2023)

  • Generating Counterfactual Explanations for Atari Agents via Generative Adversarial Networks (2022)

  • Design und Implementierung einer Virtual-Reality-Umgebung zum Testen des impliziten Lernens von motorischen sequentiellen Bewegungen (2021, Link)

  • Exploring an Explainable Reinforcement Learning Design for a Self Learning American Football Simulation (2020)
  • Implementierung und Vergleich verschiedener Salienz-Karten Algorithmen für tiefes bestärkendes Lernen (2019)

Bachelorarbeiten

  • Explaining the Global Behavior of Deep Reinforcement Learning Agents by Combining T-SNE and Policy Summarization (2023)
  • Using Reinforcement Learning to facilitate Implicit Learning in a VR Sports Simulation (2021)
  • Understanding Subliminal Persuasive Body Language in Political Speeches via ExplainableArtificial Intelligence (2021)
  • Verbinden von Belohnungs-Zerlegung und Strategie-Zusammenfassung für erklärbares Bestärkendes Lernen (2021)
  • Implementation and Comparison of Occlusion-based Explainable Artificial Intelligence Methods (2020, Link)

Außeruniversitäres Engagement

Seit Ende 2022 bin ich Sprecher des Beirats "Junge Wissenschaft" der Gesellschaft für Informatik (GI), der größten Fachgesellschaft für Informatik im deutschsprachigen Raum.

Publikationen

2023 | 2022 | 2021 | 2020 | 2019 | 2018

2023

Anan Schütt, Tobias Huber, Ilhan Aslan and Elisabeth André. 2023. Fast dynamic difficulty adjustment for intelligent tutoring systems with small datasets.
PDF | BibTeX | RIS | URL

Tobias Huber, Maximilian Demmler, Silvan Mertes, Matthew Olson and Elisabeth Andrè. 2023. GANterfactual-RL: understanding reinforcement learning agents' strategies through visual counterfactual explanations. DOI: 10.5555/3545946.3598751
BibTeX | RIS | DOI | URL

Yael Septon, Tobias Huber, Elisabeth André and Ofra Amir. 2023. Integrating policy summaries with reward decomposition for explaining reinforcement learning agents. DOI: 10.1007/978-3-031-37616-0_27
BibTeX | RIS | DOI

2022

Silvan Mertes, Christina Karle, Tobias Huber, Katharina Weitz, Ruben Schlagowski and Elisabeth André. in press. Alterfactual explanations: the relevance of irrelevance for explaining AI systems. DOI: 10.48550/arXiv.2207.09374
BibTeX | RIS | DOI

Tobias Huber, Benedikt Limmer and Elisabeth André. 2022. Benchmarking perturbation-based saliency maps for explaining Atari agents. DOI: 10.3389/frai.2022.903875
PDF | BibTeX | RIS | DOI

Pooja Prajod, Dominik Schiller, Tobias Huber and Elisabeth André. 2022. Do deep neural networks forget facial action units? - Exploring the effects of transfer learning in health related facial expression recognition. DOI: 10.1007/978-3-030-93080-6_16
PDF | BibTeX | RIS | DOI

Silvan Mertes, Tobias Huber, Katharina Weitz, Alexander Heimerl and Elisabeth André. 2022. GANterfactual - counterfactual explanations for medical non-experts using generative adversarial learning. DOI: 10.3389/frai.2022.825565
PDF | BibTeX | RIS | DOI

Pooja Prajod, Tobias Huber and Elisabeth André. 2022. Using explainable AI to identify differences between clinical and experimental pain detection models based on facial expressions. DOI: 10.1007/978-3-030-98358-1_25
BibTeX | RIS | DOI

2021

Tobias Huber, Silvan Mertes, Stanislava Rangelova, Simon Flutura and Elisabeth André. 2021. Dynamic difficulty adjustment in virtual reality exergames through experience-driven procedural content generation. DOI: 10.1109/ssci50451.2021.9660086
PDF | BibTeX | RIS | DOI

Tobias Huber, Katharina Weitz, Elisabeth André and Ofra Amir. 2021. Local and global explanations of agent behavior: integrating strategy summaries with saliency maps. DOI: 10.1016/j.artint.2021.103571
PDF | BibTeX | RIS | DOI

2020

Katharina Weitz, Dominik Schiller, Ruben Schlagowski, Tobias Huber and Elisabeth André. 2020. "Let me explain!": exploring the potential of virtual agents in explainable AI interaction design. DOI: 10.1007/s12193-020-00332-0
PDF | BibTeX | RIS | DOI

Simon Flutura, Andreas Seiderer, Tobias Huber, Katharina Weitz, Ilhan Aslan, Ruben Schlagowski, Elisabeth André and Joachim Rathmann. 2020. Interactive machine learning and explainability in mobile classification of forest-aesthetics. DOI: 10.1145/3411170.3411225
PDF | BibTeX | RIS | DOI

Dominik Schiller, Tobias Huber, Michael Dietz and Elisabeth André. 2020. Relevance-based data masking: a model-agnostic transfer learning approach for facial expression recognition. DOI: 10.3389/fcomp.2020.00006
PDF | BibTeX | RIS | DOI

Klaus Weber, Lukas Tinnes, Tobias Huber, Alexander Heimerl, Eva Pohlen, Marc-Leon Reinecker and Elisabeth André. 2020. Towards demystifying subliminal persuasiveness: using XAI-techniques to highlight persuasive markers of public speeches. DOI: 10.1007/978-3-030-51924-7_7
PDF | BibTeX | RIS | DOI

2019

Katharina Weitz, Dominik Schiller, Ruben Schlagowski, Tobias Huber and Elisabeth André. 2019. "Do you trust me?" Increasing user-trust by integrating virtual agents in explainable AI interaction design. DOI: 10.1145/3308532.3329441
PDF | BibTeX | RIS | DOI

Tobias Huber, Dominik Schiller and Elisabeth André. 2019. Enhancing explainability of deep reinforcement learning through selective layer-wise relevance propagation. DOI: 10.1007/978-3-030-30179-8_16
PDF | BibTeX | RIS | DOI

Stanislava Rangelova, Simon Flutura, Tobias Huber, Daniel Motus and Elisabeth André. 2019. Exploration of physiological signals using different locomotion techniques in a VR adventure game. DOI: 10.1007/978-3-030-23560-4_44
PDF | BibTeX | RIS | DOI

Dominik Schiller, Tobias Huber, Florian Lingenfelser, Michael Dietz, Andreas Seiderer and Elisabeth André. 2019. Relevance-based feature masking: improving neural network based whale classification through explainable artificial intelligence. DOI: 10.21437/interspeech.2019-2707
PDF | BibTeX | RIS | DOI

2018

Tobias Huber. 2018. Tiefes bestärkendes Lernen: Grundlagen, Approximationseigenschaft und Implementierung multimodaler Erklärungen.
PDF | BibTeX | RIS

Suche