Projektbeschreibung
Bessere Plattformen für Systeme mit Learning-Agenten
Im Projekt geht es um Szenarien, bei denen mehrere Algorithmen mit maschinellem Lernen auf einer gemeinsamen Plattform interagieren. In diesem Fall sind das Finanzbörsen und Online-Werbeplattformen. Die Plattformen nehmen meist eine passive Rolle ein und dienen nur als gemeinsame Infrastruktur, bei der die einzelnen Lernalgorithmen vollständig dezentralisiert bleiben. Über das ERC-finanzierte Projekt PLA-STEER soll die theoretische Grundlage für neue Plattformen gelegt werden, die eine aktive Rolle bei den Interaktionen zwischen den Nutzenden einnehmen kann. Ausgehend von Theorien zu Online-Lernen und computergestützter Spieltheorie untersucht das Team, wann und wie diese Plattformen Learning-Agenten zu günstigen Ergebnissen verhelfen können, um letztendlich die Gerechtigkeit und Verantwortlichkeit bei der Entscheidungsfindung zu verbessern, da maschinelles Lernen immer weiter verbreitet ist.
Ziel
In scenarios like online advertising markets and financial exchanges, autonomous, self-interested learning agents engage in strategic interactions via a shared platform. Platforms typically opt for a passive role, providing the shared infrastructure necessary for the operation of the multi-learner environment, while keeping learning procedures decentralized. Fully centralized systems can potentially yield superior outcomes by optimizing shared objectives like social welfare, but they are seldom chosen.
The goal of this project is to bridge the gap between these two extremes by establishing the theoretical foundations of semi-centralized platforms (SCP). SCPs aim to combine the best attributes of both centralized and decentralized systems, enabling next-generation platforms to operate efficiently at scale with the flexibility of decentralized learning, while also being able to steer learning agents towards desirable objectives. Using tools from online learning and computational game theory, we will develop innovative techniques to determine when and how platforms should actively influence the actions of learning agents. In this endeavor, we will i) develop a better understanding of the learning dynamics of traditional platforms; ii) explore methods to overcome well-known computational challenges that hinder the convergence of multi-learner systems towards shared objectives; and iii) extend fundamental game-theoretic models to realistic settings.
This research will pave the way for practical applications on real-world platforms and address pressing concerns related to fairness and accountability in their outcomes, which are expected to become even more significant as machine-learning algorithms gain wider adoption.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
- NaturwissenschaftenMathematikangewandte MathematikSpieltheorie
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles Lernen
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Finanzierungsplan
HORIZON-ERC - HORIZON ERC GrantsGastgebende Einrichtung
20136 Milano
Italien