Descrizione del progetto
Apprendimento relazionale statistico non supervisionato per l’apprendimento automatico
L’apprendimento automatico è diventato popolare grazie al successo di sistemi come AlphaGo di DeepMind, GPT-3 di OpenAI e Alexa di Amazon; ciononostante, gli attuali metodi di apprendimento della rappresentazione potrebbero essere maggiormente efficienti in termini di utilizzo di dati e di consumo energetico. Gli esseri umani possono imparare in modo efficiente da dati limitati grazie alla loro capacità di ragionamento, che non è integrata nelle attuali strategie di apprendimento della rappresentazione. Con il supporto del programma di azioni Marie Skłodowska-Curie, il progetto DISCWORLD si propone di integrare l’apprendimento non supervisionato con sistemi di intelligenza artificiale (IA) basati sul ragionamento logico, con l’obiettivo di sviluppare algoritmi in grado di scoprire rappresentazioni simboliche a partire da dati rumorosi o ambigui e di adattare le conoscenze acquisite nel corso del tempo. Le soluzioni di DISCWORLD saranno applicate al fine di migliorare la comprensione delle immagini nella guida autonoma, acquisire informazioni sul ragionamento causale e apprendere astrazioni simboliche nei domini matematici.
Obiettivo
Machine learning is popular nowadays, thanks to the impressive results achieved by systems like DeepMind’s AlphaGo, OpenAI’s language prediction model GPT-3 or Amazon’s speech recognition system Alexa. At the basis of these successes, there is representation learning, which enables training deep neural networks in an unsupervised fashion and provides the starting conditions for subsequent task-specific training. However, current representation learning strategies use large neural networks and consume large amount of data, thus being data and energy inefficient. In contrast, humans learn from limited data in a very efficient way. This is due to the fact that humans are able to perform reasoning, while representation learning strategies lack such capability. This research project aims to overcome these limitations by providing the mathematical foundations for the integration between unsupervised learning and reasoning AI systems based on logic. Specifically, the aim is to devise algorithms enabling the discovery of symbolic representations from noisy/ambiguous data together with their relations and being able to adapt the acquired relational knowledge over time. The resulting solutions will be applied to improve image understanding in autonomous driving and to gain insights about causal reasoning and learning symbolic abstractions in mathematical domains.
Parole chiave
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Programma(i)
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
-
HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA)
PROGRAMMA PRINCIPALE
Vedi tutti i progetti finanziati nell’ambito di questo programma
Argomento(i)
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Meccanismo di finanziamento
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
HORIZON-TMA-MSCA-PF-GF - HORIZON TMA MSCA Postdoctoral Fellowships - Global Fellowships
Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento
Invito a presentare proposte
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
(si apre in una nuova finestra) HORIZON-MSCA-2023-PF-01
Vedi tutti i progetti finanziati nell’ambito del bandoCoordinatore
Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.
3000 LEUVEN
Belgio
I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.