Description du projet
Évaluer avec précision l’incertitude des résultats produits par les algorithmes d’apprentissage automatique
Les systèmes modernes d’apprentissage automatique à grande échelle sous-tendent des applications importantes pour la société, notamment l’IA générative, les véhicules autonomes et la robotique, la finance et la détection des fraudes, ainsi que les soins de santé et les applications médicales. Ils recourent au calcul distribué pour traiter des volumes considérables de données et étayer des décisions prises dans des situations réelles. Il est essentiel d’évaluer avec précision l’incertitude qui leur est intrinsèque afin de les utiliser de manière sûre et appropriée. Le projet AUQuant, financé par le CER, vise à mettre au point de nouvelles méthodes statistiques permettant de mesurer rigoureusement la précision des résultats produits par les systèmes d’apprentissage automatique, ainsi qu’une théorie de quantification de l’incertitude algorithmique. Ces outils seront appliqués à diverses tâches statistiques, faisant progresser des domaines tels que la théorie de l’apprentissage statistique et l’apprentissage par renforcement, tout en soutenant le développement des futurs systèmes d’apprentissage automatique.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences naturelles informatique et science de l'information intelligence artificielle apprentissage automatique apprentissage par renforcement
- sciences naturelles mathématiques mathématiques appliquées statistique et probabilité
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
HORIZON-ERC - HORIZON ERC Grants
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2025-COG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
08002 Barcelona
Espagne
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.