Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

DEep COgnition Learning for LAnguage GEneration

Projektbeschreibung

Erschließung der Zukunft des Sprachverständnisses und der Sprachverarbeitung

In den letzten Jahren haben uns transformerbasierte Deep-Learning-Modelle wie BERT und GPT-3 mit ihren Fähigkeiten bei der Verarbeitung natürlicher Sprache verblüfft. Diese Modelle verfügen über bemerkenswerte Transfer- und Few-shot-Lernfähigkeiten. Sie geraten jedoch oft ins Straucheln, wenn sie über ihre Komfortzone hinausgehen sollen, da es ihnen an Anpassungsfähigkeit außerhalb des Bereichs, kontextbezogenem Verständnis, Kalibrierung und rückverfolgbarem Speicher fehlt. Mit dem vom Europäischen Forschungsrat finanzierten Projekt DECOLLAGE sollen diese Probleme gelöst werden. Konkret soll eine nutzungsgesteuerte kontrollierte Generierung mit Unsicherheitsabschätzungen entwickelt werden. Das Team wird auch kontextbezogene Informationen effizient integrieren und Modelle mit begrenztem Speicher erstellen. DECOLLAGE fördert die bewusste Verarbeitung durch aufmerksamkeitsbeschreibende Darstellungen und ermöglicht eine nahtlose Kommunikation zwischen Modulen und Agenten. DECOLLAGE wird mit Anwendungen in den Bereichen maschinelle Übersetzung, Open Dialogue und Geschichtengenerierung dafür sorgen, dass die Entwicklung der Verarbeitung natürlicher Sprache an der Spitze bleibt.

Ziel

In recent years, transformer-based deep learning models such as BERT or GPT-3 have led to impressive results in many natural language processing (NLP) tasks, exhibiting transfer and few-shot learning capabilities.

However, despite faring well in benchmarks, current deep learning models for NLP often fail badly in the wild: they are bad at out-of-domain generalization, they do not exploit contextual information, they are poorly calibrated, and their memory is not traceable. These limitations stem from their monolithic architectures, which are good for perception, but unsuitable for tasks requiring higher-level cognition.

In this project, I attack these fundamental problems by bringing together tools and ideas from machine learning, sparse modeling, information theory, and cognitive science, in an interdisciplinary approach. First, I will use uncertainty and quality estimates for utility-guided controlled generation, combining this control mechanism with the efficient encoding of contextual information and integration of multiple modalities. Second, I will develop sparse and structured memory models, together with attention descriptive representations towards conscious processing. Third, I will build mathematical models for sparse communication (reconciling discrete and continuous domains), supporting end-to-end differentiability and enabling a shared workspace where multiple modules and agents can communicate.

I will apply the innovations above to highly challenging language generation tasks, including machine translation, open dialogue, and story generation. To reinforce interdisciplinarity and maximize technological impact, collaborations are planned with cognitive scientists and with a scale-up company in the crowd-sourcing translation industry.

Wissenschaftliches Gebiet (EuroSciVoc)

Dieses Projekt wurde noch nicht bei EuroSciVoc klassifiziert.
Schlagen Sie die Wissenschaftsbereiche vor, die Ihrer Einschätzung nach besonders relevant sind, und helfen Sie uns, unseren Klassifizierungsdienst zu verbessern.

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) ERC-2022-COG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

INSTITUTO DE TELECOMUNICACOES
Netto-EU-Beitrag
€ 1 790 220,00
Adresse
CAMPUS UNIVERSITARIO DE SANTIAGO UNIVERSIDADE DE AVEIRO
3810-193 GLORIA E VERA CRUZ
Portugal
Aktivitätstyp
Research Organisations
Links
Gesamtkosten
€ 1 790 220,00

Begünstigte (2)