Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

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

Descripción del proyecto

Repensar cómo se adapta la inteligencia artificial al mundo real

El aprendizaje automático lo utiliza todo, desde diagnósticos médicos hasta modelos climáticos. Sin embargo, pasar del laboratorio al mundo real no es fácil. Los cambios en los datos, las condiciones imprevistas y la complejidad humana pueden poner a prueba incluso a los mejores algoritmos. El proyecto ODD-ML, financiado por el Consejo Europeo de Investigación, pretende resolver este problema volviendo a situar a las personas en el centro del aprendizaje automático. En vez de basarse únicamente en datos anteriores, el equipo de ODD-ML diseñará sistemas de inteligencia artificial que aprendan activamente de los expertos humanos. En concreto, las máquinas captarán la intuición, la experiencia e incluso los prejuicios humanos. Al aunar la percepción humana y el razonamiento automático, el proyecto pretende crear una inteligencia artificial que se adapte de forma más inteligente a las nuevas situaciones, aumentando la confianza, la fiabilidad y el impacto en el mundo real.

Objetivo

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.

Ámbito científico (EuroSciVoc)

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

HORIZON-ERC - HORIZON ERC Grants

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) ERC-2024-ADG

Ver todos los proyectos financiados en el marco de esta convocatoria

Institución de acogida

AALTO KORKEAKOULUSAATIO SR
Aportación neta de la UEn
€ 2 495 282,00
Dirección
OTAKAARI 1
02150 Espoo
Finlandia
Región
Manner-Suomi Helsinki-Uusimaa Helsinki-Uusimaa
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
Sin datos

Beneficiarios (1)