Opis projektu
Lepiej zaprojektowane platformy dla systemów agentów uczących się
Najnowsze prace koncentrują się na scenariuszach, w których wiele algorytmów uczenia maszynowego współdziała na wspólnej platformie. Tak jest na przykład w przypadku giełd finansowych i internetowych platform reklamowych. Platformy te zazwyczaj pełnią pasywną rolę w interakcjach, zapewniając wspólną infrastrukturę, ale utrzymując poszczególne algorytmy uczenia maszynowego we w pełni zdecentralizowanej formie. Celem finansowanego przez Europejską Radę ds. Badań Naukowych projektu PLA-STEER jest opracowanie teoretycznych podstaw dla innowacyjnych platform, które będą zdolne do odgrywania aktywnej roli w interakcjach między użytkownikami. Wykorzystując uczenie online i obliczeniową teorię gier, zespół projektu przyjrzy się bliżej, kiedy i w jaki sposób platformy te mogą ukierunkowywać agenty uczące się na osiąganie korzystnych wyników. W świecie, w którym uczenie maszynowe jest wykorzystywane na coraz większą skalę, ma to ostatecznie doprowadzić do większej sprawiedliwości i odpowiedzialności w procesach decyzyjnych.
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczematematykamatematyka stosowanateoria gier
- nauki przyrodniczeinformatykasztuczna inteligencjauczenie maszynowe
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
20136 Milano
Włochy