Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Numerical Analysis for Stable AI

Opis projektu

Mapowanie ukrytych słabości sztucznej inteligencji

Podczas gdy sztuczna inteligencja zmienia nasz świat, słabe ogniwa algorytmów mogą narażać nas na zagrożenia. Należą do nich ataki adwersarialne i stronniczość. Finansowany przez Europejską Radę ds. Badań Naukowych projekt NumAStAI ma na celu znalezienie, zmierzenie i ograniczenie tych luk poprzez analizę numeryczną. Badacze koncentrują się więc na zrozumieniu prawdopodobnych scenariuszy ataków, umożliwieniu wprowadzania drobnych zmian i poprawek, ocenie ryzyka dla niedostatecznie reprezentowanych kategorii danych, ujawnianiu niedrogich strategii adwersarialnych, analizowaniu błędów wynikających z obliczeń o niskiej precyzji oraz uzyskiwaniu przejrzystych wyników, które mogą posłużyć za podstawę do opracowania ustawodawstwa o sztucznej inteligencji. Łącząc analizę macierzową, optymalizację i metody probabilistyczne, badacze chcą odkryć ukryte słabości sztucznej inteligencji i zapewnić jej etyczne, bezpieczne i niezawodne wdrażanie. Ostatecznie projekt NumAStAI pomoże zagwarantować skuteczność i niezawodność sztucznej inteligencji.

Cel

From a numerical analysis perspective I will identify, quantify and mitigate vulnerabilities in current artificial intelligence (AI) algorithms.
Novel mathematical research will emerge along six overlapping axes:

Inevitability: rigorously understand the inescapable endgame of the attack-versus-defence paradigm. Under what conditions is it inevitable that adversaries will
succeed? Formalizing such conditions will allow us to understand and, where possible, overcome current AI instabilities.

Editability: study algorithms that stealthily change a small number of parameters. This scenario is highly pertitent when new AI is built on top of third-party, foundation models. It also opens up the
possibility of fixing errors on-the-fly without the need to re-train.

Targetability: examine whether under-represented categories in the training data are more susceptible to adversarial attacks. This topic raises a key,
and currently overlooked, issue in the ethical use of AI.

Universality: develop linear, sparse, low rank mappings that
create adversarial attacks. These new functions will expose novel, low-cost, threat
mechanisms, but will also give insights into the decision boundary landscape.

Roundability: use state-of-the art probabilistic rounding error analysis to
justify large-scale, low precision computations.
I will study (a) why current AI technologies appear to defy traditional worst-case
floating point error bounds, and (b) whether low precision can be exploited by
an adversary.

Legislatability: devise easy-to-interpret results and practical case studies that can inform public opinion and impact the design of appropriate AI legislation.

The project identifies high-profile open questions requiring tools from
matrix analysis, optimization, backward error analysis, condition number theory and
stochastic computation. Some of the proposed work is highly speculative and challenging,
but will significantly advance our understanding of AI vulnerabilities.

Dziedzina nauki (EuroSciVoc)

Projekt nie został jeszcze sklasyfikowany według klasyfikacji EuroSciVoc.
Wskaż dziedziny nauki, które twoim zdaniem są najbardziej istotne z punktu widzenia tego projektu i pomóż nam usprawnić naszą usługę klasyfikacji.

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2024-ADG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

THE UNIVERSITY OF EDINBURGH
Wkład UE netto
€ 2 498 941,00
Adres
OLD COLLEGE, SOUTH BRIDGE
EH8 9YL Edinburgh
Zjednoczone Królestwo
Region
Scotland Eastern Scotland Edinburgh
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity
Brak danych

Beneficjenci (1)