Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Bayesian Models and Algorithms for Fairness and Transparency

Descrizione del progetto

Un nuovo approccio bayesiano per un trattamento dei dati equo, legittimo e trasparente

Secondo il regolamento generale sulla protezione dei dati (GDPR), le informazioni personali devono essere trattate in modo legittimo, equo e trasparente. Partendo da questo presupposto, il progetto BayesianGDPR, finanziato dall’UE, si propone di integrare in modo trasparente i principi non discriminatori del GDPR in sistemi di apprendimento automatico automatizzati. A tal fine, si avvarrà di un innovativo approccio bayesiano per modellare tutte le fonti di incertezza e prenderà in considerazione i riscontri forniti dagli esseri umani e le future conseguenze dei loro risultati. BayesianGDPR fornirà alle organizzazioni che si affidano a tecnologie di apprendimento automatico strumenti concreti che consentano loro di allinearsi con i principi non discriminatori del GDPR e con normative analoghe. Gli esiti del progetto avranno un impatto sulla ricerca in materia di diritto informatico e sulla sua integrazione nelle pratiche giuridiche predominanti. Inoltre, BayesianGDPR promuoverà la fiducia del pubblico nei sistemi di apprendimento automatico.

Obiettivo

"EU's GDPR prescribes that ""Personal Data shall be processed lawfully, fairly, and in a transparent manner."" The vision of this BayesianGDPR project is to integrate into automated machine learning systems using a novel Bayesian approach, in a transparent manner, the legal non-discriminatory principles of GDPR, taking into account feedback from humans and future consequences of their outputs. We aim to achieve this ambitious vision by 1) developing a machine learning framework for addressing fairness in classification problems and beyond, and under uncertainty about data, models, and predictions about future data (algorithmic fairness under uncertainty), 2) extending the framework to a setting where data points arrive over time, and models have to be dynamically updated when taking general feedback (feedback-driven setting), and 3) ensuring a human could understand how non-discrimination is defined and achieved by using, among others, uncertainty estimates for building interpretable models and/or explicitly explaining about changes being made to the models to enforce non-discriminatory principles (transparency in fairness). The BayesianGDPR project is ""doubly timely""; not just in terms of the criticality of the fairness and transparency in machine learning at this point in time, but also because recent breakthroughs in scalability have finally made it feasible to explore Bayesian approaches that are uniquely capable of addressing one of the most central aspects of the problem, i.e. uncertainty. BayesianGDPR will, in the short term, ensure that organisations relying on machine learning technologies are provided with concrete tools to comply with the non-discriminatory principles of GDPR and similar laws. In the medium term, it will impact research in computational law, and its integration into mainstream legal practice. In the long term, it will also ensure continued confidence of the general public in the deployment of machine learning systems."

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

ERC-STG - Starting Grant

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) ERC-2019-STG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

THE UNIVERSITY OF SUSSEX
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 1 329 947,00
Indirizzo
SUSSEX HOUSE FALMER
BN1 9RH BRIGHTON
Regno Unito

Mostra sulla mappa

Regione
South East (England) Surrey, East and West Sussex Brighton and Hove
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 1 329 947,00

Beneficiari (2)

Il mio fascicolo 0 0