Description du projet
Développer l’apprentissage automatique et la prise de décision en fonction du marché
Des progrès considérables ont été réalisés ces dernières années en matière d’apprentissage automatique et de prise de décision à l’aide d’un paradigme centralisé, où les données sont recueillies et traitées en un lieu central pour former des modèles et prendre des décisions. Cette approche présente toutefois certains inconvénients, notamment en matière de confidentialité. Le projet OCEAN, financé par l’UE, développera des bases statistiques et algorithmiques pour les systèmes impliquant de nombreux agents d’apprentissage et de prise de décision motivés par des incitations, notamment la quantification de l’incertitude au niveau de l’agent, et étudiera les interactions de l’apprentissage avec les contraintes du marché, en faisant le lien entre la microéconomie adaptative et l’apprentissage automatique tenant compte du marché. Le projet ambitionne de surmonter les limites de l’apprentissage automatique centralisé afin d’ouvrir la voie à de nouvelles applications dans des domaines tels que la finance, les transports et les soins de santé.
Objectif
Until recently, most of the major advances in machine learning and decision making have focused on a centralized paradigm in which data are aggregated at a central location to train models and/or decide on actions. This paradigm faces serious flaws in many real-world cases. In particular, centralized learning risks exposing user privacy, makes inefficient use of communication resources, creates data processing bottlenecks, and may lead to concentration of economic and political power. It thus appears most timely to develop the theory and practice of a new form of machine learning that targets heterogeneous, massively decentralized networks, involving self-interested agents who expect to receive value (or rewards, incentive) for their participation in data exchanges.
OCEAN will develop statistical and algorithmic foundations for systems involving multiple incentive-driven learning and decision-making agents, including uncertainty quantification at the agent's level. OCEAN will study the interaction of learning with market constraints (scarcity, fairness), connecting adaptive microeconomics and market-aware machine learning.
OCEAN builds on a decade of joint advances in stochastic optimization, probabilistic machine learning, statistical inference, Bayesian assessment of uncertainty, computation, game theory, and information science, with PIs having complementary and internationally recognized skills in these domains. OCEAN will shed new light on the value and handling of data in a competitive, potentially antagonistic multi-agent environment, and develop new theories and methods to address these pressing challenges. OCEAN requires a fundamental departure from standard approaches and leads to major scientific interdisciplinary endeavors that will transform statistical learning in the long term while opening up exciting and novel areas of research.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Programme(s)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thème(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) ERC-2022-SYG
Voir d’autres projets de cet appelRégime de financement
HORIZON-ERC-SYG - HORIZON ERC Synergy GrantsInstitution d’accueil
91128 Palaiseau Cedex
France