Opis projektu
Budowa godnej zaufania sztucznej inteligencji na potrzeby planowania i tworzenia harmonogramów
Obecne metody wykorzystujące sztuczną inteligencję (SI) na potrzeby planowania i tworzenia harmonogramów, niezależnie od tego, czy opierają się na modelu czy danych, nie dają na tyle dużej pewności, by mogły być zaadaptowane na masową skalę i wywierać swój potencjalny wpływ. Finansowany ze środków UE projekt TUPLES przyczyni się do stworzenia zintegrowanego i zorientowanego na człowieka podejścia do rozwoju narzędzi planowania i tworzenia harmonogramów w celu zwiększenia pewności i wcielenia w życie. Ogólnie rzecz biorąc, ich cel jest trojaki. Po pierwsze, opracowanie hybrydowych metod planowania i tworzenia harmonogramów, które łączą wydajność, elastyczność i adaptowalność zależnych od danych podejść do uczenia się z trwałością, niezawodnością i jasnością metod wnioskowania opartych na modelu. Po drugie, projektowanie metod weryfikacji i wyjaśniania rozwiązań zaproponowanych przez systemy planowania i tworzenia harmonogramów. A po trzecie, przeprowadzanie studiów przypadku, począwszy od wspomagania pilota samolotu po zarządzanie drużyną piłkarską, a skończywszy na zbieraniu odpadów.
Cel
Planning and scheduling (P&S) is a core area of AI. Its aim is to build systems that assist humans in planning, organising and optimising courses of action to achieve complex objectives. Despite the pressing need for decision-support systems for P&S applications in industry and public services, current approaches do not satisfy essential properties of trustworthy AI, such as transparency, explainability, robustness, safety and scalability.
TUPLES is a 3 year project aiming to obtain scalable, yet transparent, robust and safe algorithmic solutions for P&S. The cornerstones of our scientific contributions will be (1) combining symbolic P&S methods with data-driven methods to benefit from the scalability and modelling power of the latter, while gaining the transparency, robustness, and safety of the former and (2) developing rigorous explanations and verification approaches for ensuring the transparency, robustness, and safety of a sequence of interacting machine learned decisions. Both of these challenges are at the forefront of AI research.
We will demonstrate and evaluate our novel and rigorous methods in a laboratory environment, on a range of use-cases in manufacturing, aircraft operations, sport management, waste collection, and energy management. Our results also include practical guidelines derived from the lessons learnt in this process, and open-source software tools and test environments enabling the human-centered development and assessment of trustworthy P&S systems. Expected outcomes include increased productivity, decreased environmental footprint and the empowerment of workers in the above sectors. These could translate into huge economic, environmental and social impacts if trustworthiness ends up driving mass adoption of P&S.
The TUPLES consortium includes world-leading researchers in several fields of AI (P&S, constraints, machine learning, explanations), humanities and social sciences (psychology, law, ethics), and experts of their applications.
Dziedzina nauki
- social sciencessociologygovernancepublic services
- engineering and technologyenvironmental engineeringwaste management
- social scienceseconomics and businesseconomicsproduction economicsproductivity
- social sciencespsychology
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordynator
31000 Toulouse
Francja