Descrizione del progetto
Reti neurali simili a quelle del cervello per soluzioni di intelligenza artificiale efficienti dal punto di vista energetico
Sebbene il campo dell’IA ristretta stia progredendo, c’è una crescente richiesta di approcci all’IA più universali, in grado di operare in una più ampia gamma di applicazioni. Il progetto EXTRA-BRAIN, finanziato dall’UE, mira a sviluppare soluzioni di intelligenza artificiale flessibili, compatibili con gli hardware ed efficienti dal punto di vista energetico, basate su reti neurali simili a quelle del cervello. Tali reti mirano a superare i limiti degli attuali metodi di IA, come l’affidabilità limitata e l’eccessiva dipendenza dai dati. Per progettarle, il progetto sfrutta le intuizioni delle neuroscienze computazionali sui principi di elaborazione delle informazioni, sugli schemi di apprendimento e sulle strutture neuroanatomiche del cervello. I modelli sono supportati da pipeline di ottimizzazione dei dati e da un quadro di spiegabilità. Il progetto convaliderà questo framework in vari casi d’uso con requisiti hardware diversi.
Obiettivo
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.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- scienze naturaliscienze biologicheneurobiologia
- scienze naturaliinformatica e scienze dell'informazionesoftwaresoftware applicativisoftware di simulazione
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Programma(i)
Invito a presentare proposte
(si apre in una nuova finestra) HORIZON-CL4-2023-HUMAN-01-CNECT
Vedi altri progetti per questo bandoMeccanismo di finanziamento
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinatore
100 44 Stockholm
Svezia