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

Human-Centric Machine Learning

Descrizione del progetto

Un approccio più umano all’apprendimento automatico

La vita moderna è caratterizzata dalla digitalizzazione di massa e da una potenza di calcolo quasi illimitata. Di conseguenza, la tecnologia ora ha la capacità di valutare, supportare o addirittura sostituire completamente il processo decisionale umano attraverso l’apprendimento automatico. Nei modelli e negli algoritmi di apprendimento automatico, le decisioni vengono solitamente prese in modo autonomo senza intervento. Tuttavia, poiché l’apprendimento automatico diventa parte della vita quotidiana, ciò può causare problemi che vanno dalla discriminazione sociale agli incidenti automobilistici. Il progetto HumanML, finanziato dall’Unione europea, svilupperà un approccio all’apprendimento automatico più incentrato sull’uomo, consentendo al processo decisionale umano di integrare i modelli di apprendimento automatico e fornendo così un modo per estendere l’automazione. L’obiettivo è combattere i problemi inerenti all’apprendimento automatico aumentandone l’efficacia in vari campi.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

ERC-STG - Starting Grant

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

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2020-STG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

MAX-PLANCK-GESELLSCHAFT ZUR FORDERUNG DER WISSENSCHAFTEN EV
Contributo netto dell'UE
€ 1 495 000,00
Costo totale
€ 1 495 000,00

Beneficiari (1)