Suche
Mein Konto
Kilencmillió új kutatócsoportoknak: forradalom a gépi tanulásban!
Az LUH a DFG gépi tanulással foglalkozó kutatócsoportját vezeti 19 millió euróval, amely a dinamikus rendszerekre és a biztonságra összpontosít.
Kilencmillió új kutatócsoportoknak: forradalom a gépi tanulásban!
2025. április 1-jén a Német Kutatási Alapítvány (DFG) öt új kutatócsoport indítását jelentette be. Az egyik csoport az Irányítástechnikai Intézetben fog dolgozni a Hannoveri Leibniz Egyetem (LUH) vezetésével. Ennek a kutatócsoportnak a címe: „Aktív tanulás dinamikus rendszerekben és vezérlésben – az adatok informativitása, bizonytalanságok és garanciák”, és a dinamikus rendszerekben történő gépi tanulásra összpontosít. A DFG összesen mintegy 19 millió eurót biztosít ezeknek az újonnan alapított csoportoknak, amelyek négy éven keresztül fognak működni, egy második, négyéves finanszírozási időszak lehetőségével.
A kutatócsoportban alkalmazott új megközelítések különösen fontosak a jövőorientált technológiák és alkalmazások esetében. A gépi tanulás területén a kihívások összetettek, és többek között az autonóm vezetésben és az ember-gép interakcióban megkövetelt biztonsági garanciákat is magukban foglalják. A hagyományos eljárások gyakran nem nyújtanak ilyen garanciákat, ezért elengedhetetlen az innovatív stratégiák kidolgozása.
Együttműködő partnerek és lehetséges pályázatok
A kutatócsoport olyan elismert intézményekkel működik együtt, mint a Freiburgi Egyetem, valamint a hamburgi, ilmenaui és müncheni műszaki egyetemek. A kutatási eredmények messzemenő alkalmazásai lehetnek, különösen a robotika és az energiatechnológia területén. A gépi tanulást már számos területen bevezették, beleértve az orvosi diagnózist és az autonóm vezetést, ahol a célzott adatelemzés és tanulási rendszerek kulcsfontosságúak.
Maga a gépi tanulás kulcsfontosságú technológia a kognitív rendszerek számára, és központi szerepet játszik a globális gazdasági fejlődésben. A neurális hálózatok itt döntő szerepet játszanak. Ezeket az emberi agy idegsejt-kapcsolatai ihlették, és több rétegű adatcsomópontból állnak, amelyek súlyozott kapcsolatokon keresztül kapcsolódnak egymáshoz. A „mély tanulás” módszereit használva a neurális hálózatok egyre mélyebb rétegekből profitálnak, amelyek támogatják őket az összetett problémák megoldásában. Ezeket a hálózatokat az adatok ismételt bemutatásával oktatják, ami lehetővé teszi a hogyan pontosabb osztályozását iks.fraunhofer.de magyarázta.
Társadalmi elfogadás és kihívások
Ezeknek a technológiáknak a társadalmi elfogadottsága kulcsfontosságú elterjedésükhöz. A gépi tanulásról és a mesterséges intelligenciáról szóló vitát gyakran a féltudás jellemzi, ezért szükséges a témák tényeken alapuló megbeszélése. A BMBF által finanszírozott projekt részeként készült átfogó tanulmány áttekintést ad az ML területén aktuális kihívásokról és kutatási kérdésekről. A projektet kezdeményezte Fraunhofer Intelligens Elemzési és Információs Rendszerek Intézete IAIS és a Fraunhofer Center for International Management and Knowledge Economy IMW. Értékes betekintést nyújt a németországi kutatás szempontjából fontos alkalmazási területekbe és társadalmi-gazdasági keretfeltételekbe.
Tekintettel a gépi tanulás rohamosan fejlődő technológiáira és a lehetséges alkalmazási forgatókönyvek sokaságára, még várni kell, hogy az LUH új kutatócsoportjai hogyan járulnak hozzá e technológiák továbbfejlesztéséhez, különös tekintettel a biztonsági garanciákra és az innovatív tanulási módszerekre.