Opis projektu
Zaawansowane uczenie maszynowe ze współpracującymi modelami
W miarę jak modele uczenia maszynowego stają się coraz bardziej złożone, ich szkolenie staje się coraz bardziej zasobochłonne. W połączeniu ze stale zmieniającym się charakterem danych rzeczywistych, modele muszą być stale dostosowywane, a to często wymaga pełnego uczenia na nowych zestawach danych. Takie podejście zwiększa emisję CO2, zużycie energii i konsoliduje postępy dużych graczy branżowych. Z tego względu projekt CollectiveMinds finansowany przez ERBN stworzy współpracującą sieć wyspecjalizowanych modeli, które będą uczyć się od siebie nawzajem, co zmniejszy konieczność pełnego uczenia ich od nowa. Dzięki decentralizacji wiedzy i umożliwieniu niezależnych aktualizacji niesie to ze sobą obietnicę bardziej zrównoważonego rozwoju sztucznej inteligencji. Poprzez zastosowania w opiece zdrowotnej i badaniach naukowych zespół projektu CollectiveMinds dąży do demokratyzacji uczenia maszynowego, promując współpracę i zrównoważony rozwój w ciągle zmieniającym się świecie.
Cel
Machine learning models are growing larger and more complex, making training increasingly resource-demanding. Concurrently, our world, and hence the training data is perpetually evolving. This requires continual model updating or retraining to address changing training data. Presently, the most reliable course to handle such distribution shifts is to retrain models from scratch on new training data. This results in substantial resource usage, increased CO2 footprint, elevated energy consumption, and limits the decisive ML progress to large-scale industry players.
Imagine a world in which models help each other learn. When the data distribution changes, a complete retraining of models could be avoided if the new model could learn from the outdated one by using reliable and provably effective methods. Furthermore, the convention of relying on large, versatile monolithic models could then give way to a consortium of smaller specialized models, with each contributing its specific domain knowledge when needed. By encouraging this form of decentralization, we could reduce resource consumption as the individual components can be updated independently of each other.
Drawing on groundbreaking research in distributed ML model training, CollectiveMinds aspires to design adaptable ML models. These models can effectively manage updates in training data and task modifications, while also enabling efficient knowledge exchange across various models, thereby fostering widescale collaborative learning and constructing a sustainable framework for collaborative machine intelligence.
This initiative could revolutionize sectors like healthcare, where there is limited training data, and trustworthy AI that demands guarantees on data ownership and control. Furthermore, it could foster improved collaborative research within the realm of science. CollectiveMinds embodies a significant paradigm shift towards democratizing ML, focusing on cooperative intellectual efforts.
Słowa kluczowe
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Program(-y)
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
-
HORIZON.1.1 - European Research Council (ERC)
GŁÓWNY PROGRAM
Wyświetl wszystkie projekty finansowane w ramach tego programu
Temat(-y)
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
System finansowania
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
HORIZON-ERC - HORIZON ERC Grants
Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania
Zaproszenie do składania wniosków
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
(odnośnik otworzy się w nowym oknie) ERC-2024-COG
Wyświetl wszystkie projekty finansowane w ramach tego zaproszeniaInstytucja przyjmująca
Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.
66123 SAARBRUCKEN
Niemcy
Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.