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

European Large Open Multi-Modal Foundation Models For Robust Generalization On Arbitrary Data Streams

Opis projektu

Rozwój otwartych, multimodalnych modeli fundamentalnych dla rozwiązań opartych na danych

Wykorzystując europejskie talenty zajmujące się sztuczną inteligencją i infrastrukturą superkomputerów, zespół finansowanego ze środków Unii Europejskiej projektu ELLIOT opracuje rodzinę otwartych, godnych zaufania multimodalnych fundamentalnych modeli ogólnych. Mowa o systemach sztucznej inteligencji zaprojektowanych z myślą o uczeniu się ogólnej wiedzy i wzorców na podstawie ogromnych ilości danych różnego rodzaju - od filmów, obrazów i tekstu po sygnały z czujników, przemysłowe szeregi czasowe i dane satelitarne, a także skutecznego wykorzystywania zdobytej wiedzy do realizacji różnych zadań niższego szczebla. W przeciwieństwie do istniejących modeli fundamentalnych, które stawiają czoła poważnym wyzwaniom w zakresie uogólniania i obsługi danych multimodalnych, modele opracowane w ramach projektu ELLIOT będą zdolne do uogólniania i rozumowania w warunkach innych niż te wykorzystywane podczas szkolenia, dobrze radząc sobie z dynamicznymi, zaszumionymi, zmieniającymi się w czasie multimodalnymi strumieniami danych. Umożliwi to tworzenie nowych rozwiązań na potrzeby mediów, modelowania Ziemi, robotów, mobilności, inżynierii komputerowej i automatyzacji procesów.

Cel

At the heart of ELLIOT is the development of open Multimodal Generalist Foundation Models (MGFMs): AI systems designed to learn general knowledge and patterns from massive amounts of data of various types — from videos, images, and text to sensor signals, industrial time series, and satellite feeds — and efficiently transfer the generic knowledge learned in generalist manner to a wide variety of downstream tasks. Unlike current foundation models that face significant challenges in terms of generalisation capabilities and support for multimodal data, ELLIOT’s models will be capable of robust generalisation across conditions not seen during the training, coping well with dynamic, noisy, and temporally-evolving multimodal data streams. Real and synthetic data, to mitigate data scarcity, will be leveraged for training MGFMs and for further adapting them for specific downstream tasks in domains like media, earth observation, robot perception, mobility, computer engineering and workflow automation. Real data used for training will include data directly provided by members of the consortium as well as data from relevant European Data Spaces, while complementary synthetic data will be generated by exploiting existing generative AI capabilities as well as new ones developed in the project. European HPC infrastructure is directly included in the consortium to ensure the availability of the necessary computing resources.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-RIA - HORIZON Research and Innovation Actions

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-CL4-2024-HUMAN-03

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

ETHNIKO KENTRO EREVNAS KAI TECHNOLOGIKIS ANAPTYXIS
Wkład UE netto
€ 3 077 920,05
Adres
CHARILAOU THERMI ROAD 6 KM
570 01 THERMI THESSALONIKI
Grecja
Region
Βόρεια Ελλάδα Κεντρική Μακεδονία Θεσσαλονίκη
Rodzaj działalności
Research Organisations
Linki
Koszt całkowity
€ 3 077 920,05

Uczestnicy (34)

Partnerzy (2)