Krikamol beschäftigt sich in seiner Forschung vor allem mit Methoden des Maschinellen Lernens. „Dabei stelle ich mich drei großen Herausforderungen. Erstens: Lernalgorithmen müssen besser werden und flexibel auch mit Veränderungen in den beobachteten Daten oder im Datenerfassungsprozess umgehen können. Zweitens: Um Maschinelles Lernen so effektiv wie möglich zu machen, sind große Mengen experimenteller Daten nötig. Diese zu erheben ist teuer, zeitaufwendig und manchmal sogar unethisch. Deshalb werden viele Modelle noch auf nicht-experimentellen Daten trainiert, was sie weniger effektiv macht. Das muss sich ändern. Und drittens: Die allgegenwärtige Präsenz von KI-Systemen könnte dazu führen, dass Menschen künftig ganz anders mit ihnen interagieren und ihre Mechanismen gezielt ausnutzen. Damit verändert sich die gesamte Datenbasis, was die Wirksamkeit des Modells bedroht. Wie das beim Training des Modells berücksichtigt werden kann, bleibt ein offenes Problem.“
Am CISPA hofft Krikamol im Austausch mit seinen neuen Kolleg:innen die Antwort auf einige drängende Forschungsfragen zu finden. „Eine Forschungsrichtung, die mich schon lange fasziniert, ist das maschinelle Lernen auf heterogenen Daten.“ Gemeint sind laut Krikamol Daten, die aus mehreren Quellen stammen. „Das können zum Beispiel medizinische Daten sein, die von Patient:innen in verschiedenen Krankenhäusern stammen“, erklärt der Forscher weiter. „Wollen wir mit einem heterogenen Datensatz ein ML-Modell trainieren, müssen wir sinnvolle Vergleiche zwischen den Umgebungen anstellen können, aus denen die Daten stammen. Das geht nur, wenn zwischen diesen Umgebungen ständig sicher Informationen ausgetauscht werden können. Ich hoffe, dass meine neuen Kolleg:innen vom CISPA mir dabei helfen, diese Herausforderung anzugehen“, sagt Krikamol, der gebürtig aus Thailand stammt. „Ich freue mich darauf, künftig die Zukunft der Forschung am CISPA mitzugestalten.“
