Projektbeschreibung
Maschinelles Lernen ohne manuelle Überwachung
Heutzutage können wir von leistungsstarken Suchmaschinen, Medizinprodukten und persönlichen Assistenzsystemen profitieren, bei denen maschinelles Lernen zum Einsatz kommt. Allerdings erlernen Maschinen ihre neuen Fähigkeiten unter manueller Überwachung. Das EU-finanzierte Projekt UNION plant nun die Entwicklung von Maschinen, die audiovisuelle Daten mit wenig manueller Überwachung oder ganz ohne sie verstehen und integrieren, und auf diese Weise zahllosen neuen Anwendungen der künstlichen Intelligenz den Weg bereiten können. Das Projekt wird zwei Hypothesen untersuchen: Erstens, dass Konzepte, die intrinsische Eigenschaften der natürlichen Welt widerspiegeln, ohne manuelle Überwachung erlernt werden können und dennoch für einen Menschen interpretierbar sind; und zweitens, dass eine Maschine mit dieser Fähigkeit aus wenigen oder gar keinen manuell kommentierten Beispielen neue, für bestimmte Interessengruppen nützliche Fähigkeiten erwerben kann.
Ziel
The aim of UNION is to liberate machine learning, enabling everyone to use it productively and creatively instead of being the demesne of experts. Today, machines must be explicitly taught any new skill via manual supervision, incurring a cost justifiable only for applications of general interest. Thus, as laypeople, we can benefit from powerful search engines, medical devices and personal assistants that are designed by means of machine learning, but we cannot easily teach machines to address our particular professional or personal needs. From recognizing illustrations on Greek vases to building catalogues of store products, machine learning could empower millions of individuals, but current technology cannot scale to these micro-tasks. The goal of UNION is thus to develop machines that can learn to understand audio-visual data with little to no manual supervision, opening up artificial intelligence to countless new applications. To this end, UNION will investigate two key hypotheses. The first is that concepts that reflect intrinsic properties of the natural world, such as detachable objects and their 3D geometry, physics and high-level class, can be learned without manual supervision, while still being interpretable to a human. The second hypothesis is that, given this ability, a machine can pick up new skills useful to specific stakeholders from no or just a few manually-annotated examples. These hypotheses will be validated (1) by developing algorithms that can learn without manual supervision, (2) by endowing machines with advanced general-purpose audio-visual analytical skills, and (3) by using the knowledge already acquired to learn new skills very efficiently, from little data and even less manual supervision. This will be delivered as an open-source package that will demonstrate how one can create open-ended audio-visual analysis software that can be taught a large variety of different tasks with at most lightweight manual assistance.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- NaturwissenschaftenInformatik und InformationswissenschaftenSoftware
- NaturwissenschaftenMathematikreine MathematikGeometrie
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) ERC-2020-COG
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
ERC-COG -Gastgebende Einrichtung
OX1 2JD Oxford
Vereinigtes Königreich