Apple unterstützt die akademische Forschungsgemeinschaft und ihre Beiträge, die für die Welt von unschätzbarem Wert sind. Wir vergeben Stipendien und Preise an graduierte Studierende, Doktorand:innen und Postdocs, die das Potenzial von Technologie einsetzen, um damit den Menschen und dem Planeten zu helfen.
Hier kommen die Apple Scholars.
Ethik und Technologie
Postdoc-Stipendien
Die Apple University bietet gemeinsam mit dem McCoy Family Center for Ethics in Society der Stanford University ein Programm für Postdocs an, deren Forschung sich auf Themen an der Schnittstelle von Ethik und Technologie konzentriert.
Abby Jaques
Stanford University
Abby beschäftigt sich mit den großen Fragen am Schnittpunkt von menschlicher und künstlicher Intelligenz: Was ist nötig, um die richtige Technologie zu entwickeln? Und wie stellt man sicher, dass diese Technologie gut für alle Menschen ist?
Am MIT entwickelte Abby eine neue Theorie über das Wesen von absichtlichen Handlungen. Heute erforscht sie den Einfluss künstlicher Intelligenz auf das menschliche Verhalten und die potenziellen moralischen und politischen Auswirkungen. Außerdem hat sie eine neue, praxisorientierte Methode der Ethik für Ingenieur:innen entwickelt und Beiträge zu Projekten geleistet, deren Ziel die Demokratisierung von KI durch formale und informelle Bildung ist.
Hardwaretechnologie, integrierte Schaltungen, künstliche Intelligenz und maschinelles Lernen
Promotions-Stipendien
Vergeben an zukünftige Führungskräfte mit Forschungsschwerpunkten in Bereichen wie Elektrotechnik, Computertechnik und Computerwissenschaft mit Fokus auf bahnbrechende Technologien und die Kernwerte von Apple.
McKenzie van der Hagen
Carnegie Mellon University
McKenzie arbeitet an neuartigen Computerarchitekturen für Edge Computing, mit denen IoT-Geräte bei niedrigem Stromverbrauch verschlüsselte Berechnungen ausführen könnten.
Geräte im Internet of Things (IoT) sammeln und verarbeiten laufend jede Menge Daten. Um den Datenschutz für alle sicherzustellen, die diese Technologie nützen, ist sehr viel Rechenleistung nötig. Eine Möglichkeit, um Daten in der Welt des IoT zu schützen, sind homomorphe Verschlüsselungsmethoden, mit denen sie direkt in verschlüsselter Form verarbeitet werden können. Dazu sind allerdings komplexe Mathematik und riesige Datenstrukturen nötig. McKenzie arbeitet an der Entwicklung spezialisierter Computerarchitekturen, die derart komplexe Berechnungen auch für einfache IoT-Geräte mit niedrigem Stromverbrauch möglich machen sollen. Sie hofft, das Konzept verschlüsselter Berechnungen, das heute noch eine optimistische Theorie ist, durch Hardwareunterstützung eines Tages Wirklichkeit werden zu lassen.
Jaya Narain
Massachusetts Institute of Technology
Jaya nützt personalisiertes maschinelles Lernen und naturalistische Daten, um nichtsprechende Kinder mit Autismus-Spektrum-Störungen (ASS) bei der Kommunikation mit ihrer Umgebung zu unterstützen.
Von den 3,5 Millionen Menschen mit Autismus-Spektrum-Störungen in den USA sprechen etwa 30 Prozent nicht. Das heißt allerdings nicht, dass sie nicht kommunizieren. Eltern und Betreuer:innen können Lautäußerungen, Gesten und Unterschiede im Tonfall, die anderen vielleicht entgehen, wahrnehmen und deuten. Jaya nützt das Wissen dieser direkten Bezugspersonen, um Modelle für maschinelles Lernen in der Deutung nichtsprachlicher Äußerungen zu trainieren. Sie hofft, dass ihre Forschungen echten Einfluss darauf haben werden, wie nichtsprechende Kinder mit Autismus sich in ihrer Umgebung bewegen und mit neuen Menschen kommunizieren.
-
Ishwarya Ananthabhotla
Sprechen und natürliche Sprache
Massachusetts Institute of Technology -
Yahav Bechavod
Datenschützendes maschinelles Lernen
Hebräische Universität Jerusalem -
Graham Gobieski
Maschinelles Lernen On Device
Carnegie Mellon University -
Mitchell Gordon
Menschenzentriertes maschinelles Lernen
Stanford University -
Jeong Joon Park
Augmented Reality und Computer Vision
University of Washington -
Nathan Serafin
Hardware für effizientes Computing
Carnegie Mellon University -
Yang Song
Grundlagen des maschinellen Lernens
Stanford University -
Xinyi Wang
Sprechen und natürliche Sprache
Carnegie Mellon University -
Yifan Wang
Augmented Reality und Computer Vision
ETH Zürich -
Bingzhe Wu
Datenschützendes maschinelles Lernen
Universität Peking -
Yiren „Aaron“ Zhao
Maschinelles Lernen On Device
University of Cambridge -
Tijana Zrnic
Grundlagen des maschinellen Lernens
University of California, Berkeley
Hardwaretechnologie und integrierte Schaltungen
Master-Stipendien
Vergeben an herausragende Masterstudierende im Bereich der fortschrittlichen Hardwaretechnologien, die sich auf Computerarchitektur und Entwicklung, Prüfung und Validierung von Systemen auf einem Chip spezialisieren.
Anna Li
Carnegie Mellon University
Anna begann ihre akademische Laufbahn an der Carnegie Mellon so wie alle ihre Kommiliton:innen – mit dem Schwerpunkt auf Softwareentwicklung. Bald stellte sie aber fest, dass sie sich viel mehr für Hardware interessiert.
Annas Interessenwechsel von Software zu Hardware begann während ihres ersten Hardwarekurses, „Struktur und Design von digitalen Systemen“. Sie stellte fest, dass Hardwarebeschreibung zwar etwas vollkommen anderes ist als Programmieren, sie dabei aber trotzdem ihre Stärken einsetzen kann: Logik, Problemlösung und Entwicklung von Algorithmen. Jetzt hat sie das Gefühl, ihre Berufung gefunden zu haben, und arbeitet an der Schnittstelle von Hard- und Software.
-
Tarana Laroia
Elektro- und Computertechnik
Carnegie Mellon University -
Ryan Oh
Elektro- und Computertechnik
Carnegie Mellon University -
Deanyone Su
Elektro- und Computertechnik
Carnegie Mellon University
Bleib dran.
Da kommt noch mehr.
Eine Mitgliedschaft im Apple Scholars Programm ist momentan nur auf Einladung möglich. Schau regelmäßig vorbei, um zu sehen, wie wir das Programm weiterentwickeln. Und um mehr über Studierende zu erfahren, die an das Potenzial von Technologie glauben, unsere Werte teilen und das Ziel haben, unsere Welt zu einem besseren Ort zu machen.