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

Algorithmic Uncertainty Quantification for Learning and Decision Making

Descripción del proyecto

Evaluar con precisión la incertidumbre de los resultados de los algoritmos de aprendizaje automático

Los sistemas modernos de aprendizaje automático a gran escala sustentan aplicaciones de gran importancia para la sociedad, como la inteligencia artificial generativa (IAG), los vehículos autónomos y la robótica, las finanzas y la detección de fraudes, así como la asistencia sanitaria y las aplicaciones médicas. Utilizan la informática distribuida para procesar grandes volúmenes de datos, lo que facilita la toma de decisiones en el mundo real. Una evaluación precisa de su incertidumbre inherente es fundamental para utilizarlas de forma segura y adecuada. El equipo del proyecto AUQuant, financiado por el CEI, tiene como objetivo desarrollar nuevos métodos estadísticos para medir de forma rigurosa la precisión de los resultados de los sistemas de aprendizaje automático, junto con una teoría sobre la cuantificación de la incertidumbre algorítmica. Estas herramientas se aplicarán a diversas tareas estadísticas, lo que supondrá un avance en ámbitos como la teoría del aprendizaje estadístico y el aprendizaje por refuerzo, al tiempo que contribuirá al desarrollo de los futuros sistemas de aprendizaje automático.

Objetivo

Assessing the uncertainty of predictions of modern large-scale machine learning systems is crucial for understanding their limitations and the quality of solutions they provide, especially so when these systems are used for making decisions in the real world. Motivated by this need, this project addresses a variety of questions of uncertainty quantification and develops new methods for deriving statistical guarantees on the accuracy of outputs of ML systems. Our methodology is inspired by an emerging line of work we call algorithmic statistics, which uses tools from the theory of algorithms to prove complex statistical statements. We propose to extend these techniques to the more challenging domain of analyzing modern large-scale machine learning systems, and develop a theory of Algorithmic Uncertainty Quantification. Using the newly developed tools, we will address diverse statistical tasks such as bounding the generalization error of machine learning algorithms, estimating the parameters of large nonlinear statistical models, or designing provably efficient algorithms for interactive decision-making problems. The results will significantly advance the state of the art in well-studied areas of research such as statistical learning theory and reinforcement learning, not only by providing new tools for the analysis of existing algorithms and architectures but also by inspiring new principles for the development of the next generation of ML systems.

Ámbito científico (EuroSciVoc)

CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..

Para utilizar esta función, debe iniciar sesión o registrarse

Palabras clave

Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

HORIZON-ERC - HORIZON ERC Grants

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

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) ERC-2025-COG

Ver todos los proyectos financiados en el marco de esta convocatoria

Institución de acogida

UNIVERSIDAD POMPEU FABRA
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 1 999 757,00
Dirección
PLACA DE LA MERCE, 10-12
08002 Barcelona
España

Ver en el mapa

Región
Este Cataluña Barcelona
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

€ 1 999 757,00

Beneficiarios (1)

Mi folleto 0 0