Description du projet
Des réseaux neuronaux inspirés du cerveau pour des solutions d’IA économes en énergie
Le domaine de l’IA faible progresse, néanmoins la demande d’approches plus universelles de l’IA, capables de fonctionner dans un éventail plus large d’applications, prend de l’ampleur. Le projet EXTRA-BRAIN, financé par l’UE, se propose de développer des solutions d’IA flexibles, adaptées au matériel et économes en énergie, basées sur des réseaux neuronaux inspirés du cerveau. Ces réseaux visent à surmonter les limites des méthodes d’IA actuelles, telles que leur fiabilité limitée et leur dépendance excessive à l’égard des données. Pour concevoir ces réseaux, le projet s’appuie sur les connaissances en neurosciences computationnelles concernant les principes de traitement de l’information du cerveau, les programmes d’apprentissage et les structures neuroanatomiques. Les modèles sont étayés par des pipelines d’optimisation des données et un cadre d’explicabilité. Le projet validera ce cadre dans divers cas d’utilisation sous diverse exigences matérielles.
Objectif
In parallel to the current developments in the so-called narrow artificial intelligence (AI) realm, there is an urgent demand for more universal, general AI approaches that can operate across a wider spectrum of application domains with varying data characteristics. It is expected that the emerging sustainable AI methods can be efficiently deployed in the edge-cloud continuum on different hardware platforms and computing infrastructure depending on the real-world task scenarios and constraints including the limited energy budget. In response to this growing demand and emerging trends we propose to adopt a brain-like approach to AI system design due to its promising potential for functional flexibility, hardware friendliness as well as energy efficiency among others. To this end, EXTRA-BRAIN is aimed at developing a new generation of AI solutions based on brain-like neural networks that enable us to overcome key limitations of the current state-of-the-art methods, exemplified by deep learning, such as limited cross-task generalisation and extrapolation to novel domains (bounded reliability), excessive dependence on costly annotated data as well as extensive training and validation processes with heavy demand for compute resources at high energy cost, to name a few. The core brain-like neural network design in our approach derives from the accumulated computational neuroscience insights into the brain's working principles of information processing, key learning schemes and neuroanatomical structures that underlie the brain's perceptual/cognitive phenomena and its functional flexibility. Furthermore, these novel models are supported by data optimisation pipelines, which improve data quality, security and reduce the costs of assembling suitable training data, and an explainability framework to empower the human user. The proposed EXTRA-BRAIN framework will be examined in a diverse set of use cases with different hardware demands in the edge-cloud continuum.
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.
- sciences naturellessciences biologiquesneurobiologie
- sciences naturellesinformatique et science de l'informationlogiciellogiciel d’applicationlogiciel de simulation
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Programme(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) HORIZON-CL4-2023-HUMAN-01-CNECT
Voir d’autres projets de cet appelRégime de financement
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinateur
100 44 Stockholm
Suède