Description du projet
Une approche plus humaine de l’apprentissage automatique
La vie moderne se caractérise par une numérisation massive et une puissance de calcul quasi illimitée. Il en résulte que la technologie a désormais la capacité d’évaluer, de soutenir ou même de remplacer entièrement la prise de décision humaine par le biais de l’apprentissage automatique. Dans les modèles et algorithmes d’apprentissage automatique, les décisions sont généralement prises de manière autonome, sans aucune intervention. Cependant, à mesure que l’apprentissage automatique s’intègre dans la vie quotidienne, cette situation peut engendrer des problèmes allant de la discrimination sociale aux accidents de voiture. Le projet HumanML, financé par l’UE, entend développer une approche de l’apprentissage automatique davantage centrée sur l’humain, en permettant à la prise de décision humaine de compléter les modèles d’apprentissage automatique, offrant ainsi un moyen de faire évoluer l’automatisation. L’objectif du projet consiste à surmonter les problèmes inhérents à l’apprentissage automatique tout en augmentant son efficacité dans divers domaines.
Objectif
With the advent of mass-scale digitization of information and virtually limitless computational power, an increasing number of social, information and cyber-physical systems evaluate, support or even replace human decisions using machine learning models and algorithms. Machine learning models and algorithms have been traditionally designed to take decisions autonomously, without human intervention, on the basis of passively collected data. However, in most social, information and cyber-physical systems, algorithmic and human decisions feed on and influence each other. As these decisions become more consequential to individuals and society, machine learning models and algorithms have been blamed to play a major role in an increasing number of missteps, from discriminating minorities, causing car accidents and increasing polarization to misleading people in social media. In this project, we will develop human-centric machine learning models and algorithms for evaluating, supporting and enhancing decision making processes where algorithmic and human decisions feed on and influence each other. These models and algorithms will account for the feedback loop between algorithmic and human decisions, which currently perpetuates or even amplifies biases and inequalities, and they will learn to operate under different automation levels. Moreover, they will anticipate how individuals will react to their algorithmic decisions, often strategically, to receive beneficial decisions and they will provide actionable insights about their algorithmic decisions. Finally, we will perform observational and interventional experiments as well as realistic simulations to evaluate their effectiveness in a wide range of applications, from content moderation, recidivism prediction, and credit scoring to medical diagnosis and autonomous driving.
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: https://op.europa.eu/en/web/eu-vocabularies/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: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Programme(s)
Thème(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) ERC-2020-STG
Voir d’autres projets de cet appelRégime de financement
ERC-STG - Starting GrantInstitution d’accueil
80539 Munchen
Allemagne