Девет милиона за нови изследователски групи: революция в машинното обучение!

Девет милиона за нови изследователски групи: революция в машинното обучение!

На 1 април 2025 г. Германската изследователска фондация (DFG) обяви началото на пет нови изследователски групи. Една от групите ще работи в Института за контролно инженерство под ръководството на университета Лайбниц в Хановер (LUH). Тази изследователска група е озаглавена: „Активно обучение за динамични системи и управление – информативност на данните, несигурност и гаранции“ и се фокусира върху машинното обучение в динамични системи. Общо DFG предоставя около 19 милиона евро за тези новосъздадени групи, които ще работят за период от четири години, с възможност за втори период на финансиране от четири години.

Новите подходи, преследвани в изследователската група, са особено подходящи за ориентирани към бъдещето технологии и приложения. Предизвикателствата в областта на машинното обучение са сложни и включват, наред с други неща, гаранциите за безопасност, необходими както при автономното шофиране, така и при взаимодействието човек-машина. Традиционните процеси често не предлагат такива гаранции, което прави разработването на иновативни стратегии от съществено значение.

Партньори за сътрудничество и възможни приложения

Изследователската група си сътрудничи с признати институции като университета във Фрайбург и техническите университети в Хамбург, Илменау и Мюнхен. Резултатите от изследването могат да имат широкообхватни приложения, особено в роботиката и енергийните технологии. Машинното обучение вече е установено в много области, включително медицинска диагностика и автономно шофиране, където целевият анализ на данни и системите за обучение са от решаващо значение.

Самото машинно обучение е ключова технология за когнитивните системи и е от основно значение за глобалното икономическо развитие. Невронните мрежи играят решаваща роля тук. Те са вдъхновени от връзките на нервните клетки в човешкия мозък и се състоят от множество слоеве от възли с данни, свързани помежду си чрез претеглени връзки. Използвайки методи за „задълбочено обучение“, невронните мрежи се възползват от все по-дълбоки слоеве, които ги подкрепят при решаването на сложни проблеми. Тези мрежи се обучават чрез многократно представяне на данни, което позволява по-прецизна класификация на начина iks.fraunhofer.de обясни.

Социално приемане и предизвикателства

Социалното приемане на тези технологии е от решаващо значение за тяхното разпространение. Дебатът за машинното обучение и изкуствения интелект често се характеризира с полузнание, поради което е необходимо обсъждане на темите, базирано на факти. Цялостно проучване, проведено като част от проект, финансиран от BMBF, предоставя преглед на текущите предизвикателства и изследователски въпроси в областта на ML. Проектът е иницииран от Институт Фраунхофер за интелигентен анализ и информационни системи IAIS и Фраунхофер Център за международен мениджмънт и икономика на знанието IMW. Той предоставя ценна представа за областите на приложение и социално-икономическите рамкови условия, които са важни за научните изследвания в Германия.

Предвид бързо напредващите технологии в машинното обучение и множеството възможни сценарии за приложение, остава да се види как новите изследователски групи в LUH ще допринесат за по-нататъшното развитие на тези технологии, особено по отношение на гаранциите за сигурност и иновативните методи на обучение.