Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

ODD-ML: Out-of-Distribution Deployable Machine Learning

Projektbeschreibung

Neu denken, wie sich KI an reale Welt anpasst

Maschinelles Lernen kann alles stärken – von medizinischer Diagnostik bis hin zu Klimamodellen. Der Übergang vom Labor zur realen Welt ist jedoch nicht ganz einfach. Datenverschiebungen, unvorhergesehene Umstände und menschliche Komplexität können selbst den besten Algorithmen Schwierigkeiten bereiten. Mit dem ERC-finanzierten Projekt ODD-ML wird das Ziel verfolgt, dieses Problem zu lösen, indem die Menschen wieder in den Mittelpunkt des maschinellen Lernens gestellt werden. Anstatt sich ausschließlich auf Daten aus der Vergangenheit zu verlassen, wird das Team von ODD-ML KI-Systeme entwickeln, die aktiv von fachkundigen Menschen lernen. Konkret werden die Maschinen die menschliche Intuition, Erfahrung und sogar Vorurteile erfassen. Im Rahmen des Projekts wird durch die Verbindung von menschlichem Verständnis und maschinellem Denken eine künstliche Intelligenz (KI) geschaffen, die sich intelligenter an neue Situationen anpasst und somit mehr Vertrauen, Zuverlässigkeit und Wirkung in der realen Welt erzielen wird.

Ziel

ODD-ML addresses the open secret of machine learning (ML), which is that model deployment often fails. The problem arises because deployment contexts may differ from the data used to train ML models in unexpected ways. In an increasingly data-driven era, this severely impedes progress in ML-powered R&D and our ability to tackle societal grand challenges with existing ML tools.

To solve this pervasive issue, I propose a radical alternative to current ML approaches, placing human experts at the core of iterative design-build-test-learn (DBTL) loops. My approach comprises the interlinked steps of re-conceptualizing the deployment issue as a need for active learning from domain experts and other indirect sources and, to succeed here, recognizing the imperfect and often tacit knowledge and limited time of human experts, designing ML systems that can rapidly reverse-engineer expert knowledge.

I will achieve this with a combination of ideas transformative for human-AI collaboration: human inductive biases will be inferred from computational-rationality-based cognitive models, amortized on pre-computed solutions for speed, allowing interactive online use. I envision widespread impact in ML, on complex decision-making, and broadly across R&D domains.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) ERC-2024-ADG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

AALTO KORKEAKOULUSAATIO SR
Netto-EU-Beitrag
€ 2 495 282,00
Adresse
OTAKAARI 1
02150 Espoo
Finnland
Region
Manner-Suomi Helsinki-Uusimaa Helsinki-Uusimaa
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
Keine Daten

Begünstigte (1)