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

Foundations of Generalization

Projektbeschreibung

Unser Verständnis der Generalisierung in der Lerntheorie erweitern

Eine zentrale Herausforderung im Bereich des maschinellen Lernens und der künstlichen Intelligenz bildet das Verständnis der Generalisierung, d. h. wie ein lernender Agent aus begrenzten Daten Rückschlüsse auf eine Population zieht. Gegenwärtig besteht das bestmögliche Verfahren darin, überparametrisierte Modelle auf kleine Datensätzen anzuwenden, was überraschenderweise zu beeindruckenden Ergebnissen führt, obwohl dies der traditionellen Lehrmeinung widerspricht. Die Arbeit des ERC-finanzierten Projekts FoG wird unser Verständnis für diese Praxis und die Rolle solcher Algorithmen beim Lernen erweitern und vertiefen. Im Rahmen des Projekts werden zwei mathematische Modelle des Lernens untersucht, die zur Erklärung dieses kritischen Problems beitragen könnten. Das erste Modell wird die stochastische konvexe Optimierung sein, das zweite betrifft die moderne Aufgabe der synthetischen Datengenerierung, die zwischen den Schlüsselkonzepten der Generalisierung und der Memorisierung angesiedelt ist.

Ziel

Arguably, the most crucial objective of Learning Theory is to understand the basic notion of generalization: How can a learning agent infer from a finite amount of data to the whole population? Today's learning algorithms are poorly understood from that perspective. In particular, best practices, such as using highly overparameterized models to fit relatively few data, seem to be in almost contradiction to common wisdom, and classical models of learning seem to be incapable of explaining the impressive success of such algorithms. The objective of this proposal is to understand generalization in overparameterized models and understand the role of algorithms in learning. Toward this task, I will consider two mathematical models of learning that shed light on this fundamental problem.

The first model is the well-studied, yet only seemingly well-understood, model of Stochastic Convex optimization. My investigations, so far, provided a new picture that is much more complex than was previously known or assumed, regarding fundamental notions such as regularization, inductive bias as well as stability. These works show that even in this, simplistic setup of learning, understanding such fundamental principles may be a highly ambitious task. On the other hand, given the simplicity of the model, it seems that such an understanding is a prerequisite to any future model that will explain modern Machine Learning algorithms.

The second model considers a modern task of synthetic data generation. Synthetic data generation serves as an ideal model to further study the tension between concepts such as generalization and memorization. Here we with a challenge to model the question of generalization, and answer fundamental questions such as: when is synthetic data original and when is it a copy of the empirical data?

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-2023-STG

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

Gastgebende Einrichtung

TEL AVIV UNIVERSITY
Netto-EU-Beitrag
€ 1 419 375,00
Gesamtkosten
€ 1 419 375,00

Begünstigte (1)