Opis projektu
Tworzenie rozwiązań przy współpracy ze sztuczną inteligencją
Istniejące modele sztucznej inteligencji (SI) działają na zasadzie czarnej skrzynki i dlatego nie chcą łatwo poddawać się interpretacji. To sprawia, że nie mamy do nich zaufania. Praktyczne, rzeczywiste rozwiązania tego problemu muszą pochodzić również spoza świata informatyki. Finansowany przez UE projekt TRUST-AI angażuje ludzką inteligencję w proces odkrywania. Będzie wykorzystywać modele symboliczne i algorytmy uczenia się, które można wytłumaczyć na podstawie projektu, oraz przyjmie empiryczny, integrujący poznanie proces uczenia się ukierunkowany na człowieka. W ramach projektu powstanie godna zaufania platforma SI o nazwie TRUST, której zadaniem będzie zapewnienie środowiska współpracy., Będzie ona spełniać wymogi rozwiązywania problemów predykcyjnych i nakazowych oraz stworzy ekosystem innowacji, który zapewni możliwość współpracy naukowcom i firmom, ale też da im szansę pracy indywidualnej.
Cel
Artificial intelligence is single-handedly changing decision-making at different levels and sectors in often unpredictable and uncontrolled ways. Due to their black-box nature, existing models are difficult to interpret, and hence trust. Explainable AI is an emergent field, but, to ensure no loss of predictive power, many of the proposed approaches just build local explanators on top of powerful black-box models. To change this paradigm and create an equally powerful, yet fully explainable model, we need to be able to learn its structure. However, searching for both structure and parameters is extremely challenging. Moreover, there is the risk that the necessary variables and operators are not provided to the algorithm, which leads to more complex and less general models.
It is clear that state-of-the-art, yet practical, real-world solutions cannot come only from the computer science world. Our approach therefore consists in involving human intelligence in the discovery process, resulting in AI and humans working in concert to find better solutions (i.e. models that are effective, comprehensible and generalisable). This is made possible by employing ‘explainable-by-design’ symbolic models and learning algorithms, and by adopting a human-centric, ‘guided empirical’ learning process that integrates cognition, machine learning and human-machine interaction, ultimately resulting in a Transparent, Reliable and Unbiased Smart Tool.
This proposal aims to design TRUST, ensure its adequacy to tackle predictive and prescriptive problems, and create an innovation ecosystem around it, whereby academia and companies can further exploit it, independently or in collaboration. The proposed ‘human-guided symbolic learning’ should be the next ‘go-to paradigm’ for a wide range of sectors, where human agency / accountability is essential. These include healthcare, retail, energy, banking, insurance and public administration (of which the first three are explored in this project).
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
4200 465 Porto
Portugalia