Dr. Timo Freiesleben

Zur Person

Ich bin Postdoktorand im Projekt From Bias to Knowledge: The Epistemology of Machine Learning und arbeite mit dem Gruppenleiter Dr. Tom Sterkenburg zusammen. Zuvor war ich Postdoktorand, gefördert von der Carl-Zeiss-Stiftung, im Machine Learning for Science Cluster an der Universität Tübingen, in Zusammenarbeit mit Dr. Thomas Grote. Meine Promotion habe ich an der Graduate School for Systemic Neurosciences unter der Betreuung von Prof. Stephan Hartmann abgeschlossen.

Forschungsinteressen

Ich forsche im Bereich der Philosophie des maschinellen Lernens und arbeite dabei eng mit der Praxis des maschinellen Lernens zusammen. Mein Schwerpunkt liegt auf zwei zentralen Fragen: 1. Welche Auswirkungen maschinelles Lernen (potenziell) auf die Wissenschaft und ihre epistemischen Ziele hat, und 2. Welche begrifflichen Grundlagen das maschinelle Lernen als wissenschaftliche Disziplin besitzt.

Meine weiteren Interessengebiete umfassen:

• Erkenntnistheorie des maschinellen Lernens (z. B. erklärbare künstliche Intelligenz, statistische Lerntheorie, kausale Inferenz)
• Wissenschaftsphilosophie (z. B. Robustheit, wissenschaftliche Repräsentation, prädiktives Modellieren)
• KI-Ethik (z. B. algorithmische Handlungsempfehlungen, algorithmische Fairness, Performativität)

Ausgewählte Publikationen

1. Freiesleben, T., et al. (2024). Scientific inference with interpretable machine learning: Analyzing models to learn about real-world phenomena. Minds and Machines.
2. Freiesleben, T. & Molnar, C. (2024). Supervised machine learning for science, online-book: https://ml-science-book.com/
3. Freiesleben, T., & Grote, T. (2023). Beyond generalization: a theory of robustness in machine learning. Synthese.
4. Freiesleben, T. & König, G. (2023). Dear XAI community, we need to talk! Fundamental misconceptions in current XAI research, World XAI conference.