Description du projet
Un cadre innovant pour un apprentissage automatique fiable et performant
Les progrès considérables réalisés ces dernières années dans le domaine de l’apprentissage automatique ont mis en évidence son potentiel considérable pour une grande variété de tâches complexes, telles que la génération de texte, la classification d’images et les jeux vidéo. Malheureusement, malgré ces avancées considérables, son applicabilité dans l’industrie reste limitée en raison du besoin de données qui ne soient ni bruitées, ni rares, ni incomplètes, ni peu fiables. Le projet COMFORMAL, financé par le CER, va développer un cadre théorique pour un apprentissage automatique performant et robuste. Il s'appuiera également sur ce cadre pour développer des méthodes permettant de résoudre des tâches complexes compte tenu des défis du monde réel et d’indications limitées. Pour ce faire, le projet créera des algorithmes d’apprentissage interactif et efficace à partir de données imparfaites.
Objectif
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.
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.
Ce projet n'a pas encore été classé par EuroSciVoc.
Proposez les domaines scientifiques qui vous semblent les plus pertinents et aidez-nous à améliorer notre service de classification.
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.
151 25 MAROUSSI
Grèce
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.