Das enorme Potenzial moderner Methoden des maschinellen Lernens steht im deutlichen Kontrast zu unserem noch begrenzten theoretischen Verständnis. Insbesondere ist bislang nur unzureichend geklärt, unter welchen Bedingungen neuronale Netze stabil, gut trainierbar und ihre Vorhersagen verlässlich generalisierbar sind. In diesem Vortrag wird eine physikalisch inspirierte Perspektive vorgestellt, die genau hier ansetzt. In Zusammenarbeit mit dem Unibund Würzburg