Nove milioni per nuovi gruppi di ricerca: rivoluzione nel machine learning!

Nove milioni per nuovi gruppi di ricerca: rivoluzione nel machine learning!

Il 1° aprile 2025 la Fondazione tedesca per la ricerca (DFG) ha annunciato l’avvio di cinque nuovi gruppi di ricerca. Uno dei gruppi lavorerà presso l'Istituto di ingegneria di controllo sotto la guida dell'Università Leibniz di Hannover (LUH). Questo gruppo di ricerca è intitolato: “Apprendimento attivo per sistemi dinamici e controllo – informatività dei dati, incertezze e garanzie” e si concentra sull’apprendimento automatico nei sistemi dinamici. In totale, la DFG mette a disposizione dei nuovi gruppi circa 19 milioni di euro, che lavoreranno per un periodo di quattro anni, con la possibilità di un secondo periodo di finanziamento di quattro anni.

I nuovi approcci perseguiti dal gruppo di ricerca sono particolarmente rilevanti per le tecnologie e le applicazioni orientate al futuro. Le sfide nel campo del machine learning sono complesse e comprendono, tra le altre cose, le garanzie di sicurezza richieste sia nella guida autonoma che nell’interazione uomo-macchina. I processi tradizionali spesso non offrono tali garanzie, rendendo essenziale lo sviluppo di strategie innovative.

Partner di cooperazione e possibili applicazioni

Il gruppo di ricerca collabora con istituzioni riconosciute come l'Università di Friburgo e le università tecniche di Amburgo, Ilmenau e Monaco. I risultati della ricerca potrebbero avere applicazioni di vasta portata, in particolare nella robotica e nelle tecnologie energetiche. L’apprendimento automatico è già stato affermato in molti settori, tra cui la diagnosi medica e la guida autonoma, dove l’analisi mirata dei dati e i sistemi di apprendimento sono cruciali.

Lo stesso apprendimento automatico è una tecnologia chiave per i sistemi cognitivi ed è fondamentale per lo sviluppo economico globale. Le reti neurali svolgono qui un ruolo cruciale. Questi si ispirano alle connessioni delle cellule nervose nel cervello umano e sono costituiti da più strati di nodi di dati collegati tra loro tramite connessioni ponderate. Utilizzando metodi di “deep learning”, le reti neurali beneficiano di strati sempre più profondi che le supportano nella risoluzione di problemi complessi. Queste reti vengono addestrate presentando ripetutamente i dati, il che consente una classificazione più precisa del come iks.fraunhofer.de spiegato.

Accettazione sociale e sfide

L’accettazione sociale di queste tecnologie è cruciale per la loro diffusione. Il dibattito sull’apprendimento automatico e sull’intelligenza artificiale è spesso caratterizzato da una conoscenza parziale, motivo per cui è necessaria una discussione degli argomenti basata sui fatti. Uno studio completo condotto nell'ambito di un progetto finanziato dal BMBF fornisce una panoramica delle sfide attuali e delle domande di ricerca nel campo del ML. Il progetto è stato avviato da Istituto Fraunhofer per l'analisi intelligente e i sistemi informativi IAIS e il Centro Fraunhofer per la gestione internazionale e l'economia della conoscenza IMW. Fornisce preziose informazioni sui campi di applicazione e sulle condizioni quadro socioeconomiche importanti per la ricerca in Germania.

Considerando il rapido progresso delle tecnologie di machine learning e la moltitudine di possibili scenari applicativi, resta da vedere come i nuovi gruppi di ricerca della LUH contribuiranno all’ulteriore sviluppo di queste tecnologie, soprattutto per quanto riguarda le garanzie di sicurezza e i metodi di apprendimento innovativi.