Opis projektu
Sztuczna inteligencja, która lepiej zrozumie ludzi
Sztuczna inteligencja (SI) umożliwiła już komunikację między maszynami i ludźmi, a ponadto stanowi rozwiązanie wielu naszych problemów. Pozostaje pytanie – czy SI jest w stanie zrozumieć głębsze znaczenia lub motywacje? Uczestnicy finansowanego przez Unię Europejską projektu MUHAI zamierzają zbadać to zagadnienie dzięki nowatorskiemu podejściu do badań nad antropocentryczną technologią SI skupiającą się na znaczeniach oraz ich rozumieniu. Badacze zamierzają odnieść się do teorii osobistej pamięci dynamicznej, aby rzucić nowe światło na proces rekonstrukcji znaczeń doświadczeń. W oparciu o najnowsze osiągnięcia w zakresie technicznych elementów SI, takich jak sieci uczenia głębokiego, zespół zamierza dokonać nowych osiągnięć, obejmujących między innymi mentalne symulacje działań z wykorzystaniem opartych na gamifikacji środowiskach wirtualnych. Nowe podejście zostanie zweryfikowane na podstawie przypadków, które wymagają zastosowania zdrowego rozsądku i zrozumienia zjawisk społecznych, takich jak utrzymujące się nierówności w naszym społeczeństwie.
Cel
The MUHAI project explores a radically new approach to push the envelope of human-centric AI technology to come to grips with meaning and understanding. Meanings are distinctions (categories) that are relevant for prediction, classification, communication, problem solving or other mental tasks. The meanings of an experience include what events, actors and entities play a role, the temporal, spatial and causal relations between events, intentions and motivations of the actors, and values that implicitly underly their behaviour. Understanding is the process of reconstructing these meanings and organizing them in terms of a coherent narrative that explains a new experience by linking it into a Personal Dynamic Memory.
The MUHAI project will advance our ability to capture more of the rich and complex understanding that humans are capable of. It critically relies on enormous recent advances in technical AI components (such as deep learning networks) and semantic resources (such as knowledge graphs). In addition, the project will build novel components, such as: mental simulation of actions using gamified virtual environments and a powerful context mechanism to deal with the complexity of accessing, expanding and managing a very big dynamic memory (> 10-100 billion of facts). All these components will be assembled in a library called CANVAS, made available through the AI4EU AI-on-demand platform.
The technical advances of the project will be developed and systematically tested in two challenging human-centric case studies emphasizing AI for the common good: (i) learning and using common sense every day knowledge on how to do things, in order to enhance well-being and empower common human activities, and (ii) learning about society through AI-supported analysis of historical sources and contemporary digital media streams, in order to understand social phenomena, specifically the origins and persistence of inequality in our society.
Dziedzina nauki
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-EIC-FETPROACT-2019
System finansowania
RIA - Research and Innovation actionKoordynator
28359 Bremen
Niemcy