In den letzten Jahren haben Maschinen den Menschen bei der Bewältigung spezifischer und begrenzter Aufgaben übertroffen, z.B. bei speziellen Aufgaben in der Bilderkennung oder bei der Entscheidungsfindung medizinischen Bereich (schwache KI). Obwohl es sehr unwahrscheinlich ist, dass Maschinen in den nächsten 30 Jahren eine Intelligenz aufweisen werden, die mit der des Menschen vergleichbar ist oder diese übertrifft (starke KI), ist zu erwarten, dass Maschinen bei immer mehr praktischen Aufgaben die menschliche Leistung erreichen oder sogar übertreffen werden. Um die positiven Aspekte der KI zu entwickeln, ihre Risiken und Herausforderungen zu bewältigen und sicherzustellen, dass jeder die Möglichkeit hat, am Aufbau einer KI-gestützten Gesellschaft mitzuwirken und an ihren Vorteilen teilzuhaben, stehen in diesem Projekt die menschliche Intelligenz und Machine Learning (ML) im Mittelpunkt: Interactive Machine Learning (IML) umfasst das Design und die Implementierung von Algorithmen und Frameworks für intelligente Benutzerschnittstellen, die ML mithilfe menschlicher Interaktion ermöglichen. Unser Ziel ist es, die Interaktion zwischen Menschen und Maschinen zu verbessern, indem wir state-of-the-art Human-Computer Interaction (HCI) Ansätze nutzen, sowie Systeme die auf state-of-the-art ML-Techniken aufbauen. In diesem Projekt konzentrieren wir uns auf Interactive Deep Learning (IDL): Deep Learning (DL) Ansätze für IML. Wir wollen, dass Computer von Menschen lernen, indem sie zum Beispiel in natürlicher Sprache mit ihnen interagieren und sie beobachten. Unser Ziel in No-IDLE ist es, die Interaktion zwischen Menschen und Maschinen zu verbessern, um DL-Modelle zu verbessern, indem wir sowohl modernste Ansätze zur Mensch-Computer-Interaktion als auch DL-Techniken nutzen. Die Grundlagenforschung im Rahmen dieses Korridorprojekts soll auch tiefere Einblicke in das Verhalten, die Bedürfnisse und die Ziele der Nutzer ermöglichen. Maschinelles Lernen und DL sollten für Millionen von Endnutzern zugänglich werden. Darüber hinaus betonen wir die Rolle der multimodalen Interaktion (MMI) und mixed-initiative Interaktion. Die zentrale Herausforderung in No-IDLE ist die Entwicklung einer Methodik für IDL, die von großer Bedeutung sein wird, sobald wir mehr mit semi-intelligenten Maschinen interagieren. Zudem ist es entscheidend, dass IML gut verstanden und definiert wird. In No-IDLE untersuchen wir IDL aus vier verschiedenen Perspektiven: HCI, ML, NLP, MMI. No-IDLE ist ein Grundlagenforschungsprojekt, mit dem Ziel unser Verständnis von IML zu verbessern. Wir erwarten technische und wissenschaftliche Ergebnisse durch die Zusammenarbeit der vier IML-Arbeitsgruppen an einer spezifischen Anwendung rund um IML: die interaktive Erstellung von Fotobüchern.