Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

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

Description du projet

Repenser l’adaptation de l’IA au monde réel

L’apprentissage automatique est à la base de tout, des diagnostics médicaux aux modèles climatiques. Cependant, il n’est pas facile de passer du laboratoire au monde réel. Les changements de données, les conditions imprévues et la complexité humaine peuvent mettre à l’épreuve même les meilleurs algorithmes. Le projet ODD-ML, financé par le CER, vise à résoudre ce problème en replaçant les personnes au centre de l’apprentissage automatique. Au lieu de s’appuyer uniquement sur des données antérieures, ODD-ML concevra des systèmes d’IA qui apprendront activement des experts humains. Plus précisément, les machines capteront l’intuition, l’expérience et même les préjugés de l’homme. En associant les connaissances humaines et le raisonnement des machines, le projet vise à créer une IA qui s’adapte plus intelligemment à de nouvelles situations, ce qui renforcera la confiance, la fiabilité et l’impact sur le monde réel.

Objectif

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.

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

HORIZON-ERC - HORIZON ERC Grants

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) ERC-2024-ADG

Voir tous les projets financés au titre de cet appel

Institution d’accueil

AALTO KORKEAKOULUSAATIO SR
Contribution nette de l'UE
€ 2 495 282,00
Adresse
OTAKAARI 1
02150 Espoo
Finlande
Région
Manner-Suomi Helsinki-Uusimaa Helsinki-Uusimaa
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
Aucune donnée

Bénéficiaires (1)