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

Computational Foundations of Reliable Machine Learning

Descripción del proyecto

Marco innovador para un aprendizaje automático fiable y eficiente

Los enormes avances en el aprendizaje automático de los últimos años han puesto de relieve su gran potencial para una variedad de tareas complejas, como la generación de texto, la clasificación de imágenes y los videojuegos. Lamentablemente, a pesar de estos enormes avances, su aplicabilidad en la industria sigue siendo limitada debido a la necesidad de disponer de datos del mundo real que no sean ruidosos, escasos, incompletos o poco fiables. El proyecto COMFORMAL, financiado por el Consejo Europeo de Investigación, desarrollará un marco teórico para un aprendizaje automático eficiente y robusto. Además, utilizará este marco para desarrollar métodos mejorados que permitan resolver tareas complejas de forma fiable y eficiente ante los retos del mundo real y con una orientación limitada. Para lograrlo, el proyecto creará algoritmos para el aprendizaje interactivo y el aprendizaje eficiente a partir de datos imperfectos.

Objetivo

Machine learning has seen huge advances in recent years, achieving super-human performance in complex tasks like image classification, text generation, and playing games. Despite this success, however, its applicability across industries is still limited as real-world data is often noisy, incomplete, or scarce, and reliability is paramount. To realize the full potential and extend the reach of machine learning, we need improved methods with performance guarantees that can reliably solve complex tasks under limited guidance and in the face of these real-world challenges. This project will develop such methods by focusing on establishing a rigorous theoretical framework for robust and efficient learning.

Our research will center around two interconnected core themes: learning under noisy data and learning via interactive queries. The first theme will develop algorithms capable of learning effectively from imperfect data, addressing the challenge of noise that is ubiquitous in real-world applications. The second theme will explore the power of interactive learning, leveraging strategically designed queries to drastically improve learning efficiency, especially in scenarios with limited labeled data.

A third, crucial direction will focus on connecting theory and practice, ensuring that the theoretical findings translate into tangible improvements in real-world applications. This will be achieved via the development of novel, synthetic data generators and targeted benchmarks, directly informed by theory. These tools will facilitate the adoption of theoretical advances, demonstrating limitations of existing AI methods and suggesting ways for improvement. This research will pave the way for more robust and trustworthy AI systems capable of tackling critical challenges in diverse fields such as healthcare, autonomous systems, and beyond, where reliability is essential.

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..

Este proyecto aún no se ha clasificado con EuroSciVoc.
Sugiera los ámbitos científicos que considere más relevantes y ayúdenos a mejorar nuestro servicio de clasificación.

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

ATHINA-EREVNITIKO KENTRO KAINOTOMIAS STIS TECHNOLOGIES TIS PLIROFORIAS, TON EPIKOINONION KAI TIS GNOSIS
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.

€ 1 997 500,00
Dirección
ARTEMIDOS 6 KAI EPIDAVROU
151 25 MAROUSSI
Grecia

Ver en el mapa

Región
Αττική Aττική Κεντρικός Τομέας Αθηνών
Tipo de actividad
Research Organisations
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.

€ 1 997 500,00

Beneficiarios (1)