Devet milijuna za nove istraživačke grupe: revolucija u strojnom učenju!

Devet milijuna za nove istraživačke grupe: revolucija u strojnom učenju!

Dana 1. travnja 2025. Njemačka istraživačka zaklada (DFG) najavila je početak pet novih istraživačkih grupa. Jedna od grupa radit će na Institutu za inženjerstvo upravljanja pod vodstvom Sveučilišta Leibniz u Hannoveru (LUH). Ova istraživačka grupa nosi naziv: “Aktivno učenje za dinamičke sustave i upravljanje – informativnost podataka, nesigurnosti i jamstva” i fokusira se na strojno učenje u dinamičkim sustavima. DFG ukupno osigurava oko 19 milijuna eura za te novoosnovane skupine koje će djelovati tijekom četiri godine, s mogućnošću drugog razdoblja financiranja od četiri godine.

Novi pristupi kojima se teži u istraživačkoj skupini posebno su relevantni za tehnologije i aplikacije usmjerene budućnosti. Izazovi u području strojnog učenja su složeni i uključuju, između ostalog, sigurnosna jamstva potrebna kako u autonomnoj vožnji tako iu interakciji čovjeka i stroja. Tradicionalni procesi često ne nude takva jamstva, zbog čega je razvoj inovativnih strategija bitan.

Partneri za suradnju i moguće prijave

Istraživačka grupa surađuje s priznatim institucijama kao što su Sveučilište u Freiburgu i tehnička sveučilišta u Hamburgu, Ilmenau i Münchenu. Rezultati istraživanja mogli bi imati dalekosežne primjene, posebice u robotici i energetskoj tehnologiji. Strojno učenje već je uspostavljeno u mnogim područjima, uključujući medicinsku dijagnozu i autonomnu vožnju, gdje su ciljana analiza podataka i sustavi učenja ključni.

Samo strojno učenje ključna je tehnologija za kognitivne sustave i ključno je za globalni gospodarski razvoj. Neuronske mreže ovdje igraju ključnu ulogu. Oni su inspirirani vezama živčanih stanica u ljudskom mozgu i sastoje se od višestrukih slojeva podatkovnih čvorova koji su međusobno povezani težinskim vezama. Koristeći metode "dubokog učenja", neuronske mreže imaju koristi od sve dubljih slojeva koji ih podržavaju u rješavanju složenih problema. Ove mreže se treniraju opetovanim prezentiranjem podataka, što omogućuje precizniju klasifikaciju kako iks.fraunhofer.de objasnio.

Društvena prihvaćenost i izazovi

Društveno prihvaćanje ovih tehnologija ključno je za njihovo širenje. Raspravu o strojnom učenju i umjetnoj inteligenciji često karakterizira polovično znanje, zbog čega je nužna rasprava o temama utemeljena na činjenicama. Sveobuhvatna studija provedena u sklopu projekta koji financira BMBF daje pregled trenutnih izazova i istraživačkih pitanja u području pranja novca. Projekt su pokrenuli Fraunhofer institut za inteligentnu analizu i informacijske sustave IAIS i Fraunhoferov centar za međunarodni menadžment i ekonomiju znanja IMW. Pruža vrijedan uvid u područja primjene i socio-ekonomske okvirne uvjete koji su važni za istraživanje u Njemačkoj.

S obzirom na brzi napredak tehnologija u strojnom učenju i mnoštvo mogućih scenarija primjene, ostaje za vidjeti kako će nove istraživačke grupe na LUH-u doprinijeti daljnjem razvoju ovih tehnologija, posebice u pogledu sigurnosnih jamstava i inovativnih metoda učenja.