Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

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

Descrizione del progetto

Ripensare l’adattamento dell’IA al mondo reale

L’apprendimento automatico alimenta numerose tecnologie, da quelle per la diagnostica medica ai modelli climatici. Tuttavia, passare dalle soluzioni di laboratorio a quelle reali non è facile. Infatti, le variazioni dei dati, le condizioni impreviste e la complessità umana possono mettere in crisi anche i migliori algoritmi. Il progetto ODD-ML, finanziato dal CER, si propone di risolvere questo problema riportando le persone al centro dell’apprendimento automatico. Invece di basarsi esclusivamente sui dati passati, ODD-ML progetterà sistemi di intelligenza artificiale che imparano attivamente dagli esperti umani. In particolare, le macchine acquisiranno l’intuizione, l’esperienza e persino i pregiudizi umani. Mettendo in collegamento l’intuizione umana e il ragionamento automatico, il progetto intende creare un’intelligenza artificiale che si adatti in modo più intelligente alle nuove situazioni, aumentando la fiducia, l’affidabilità e l’impatto sul mondo reale.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-ERC - HORIZON ERC Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2024-ADG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

AALTO KORKEAKOULUSAATIO SR
Contributo netto dell'UE
€ 2 495 282,00
Indirizzo
OTAKAARI 1
02150 Espoo
Finlandia
Regione
Manner-Suomi Helsinki-Uusimaa Helsinki-Uusimaa
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Beneficiari (1)