Devyni milijonai naujoms tyrimų grupėms: mašininio mokymosi revoliucija!

Devyni milijonai naujoms tyrimų grupėms: mašininio mokymosi revoliucija!

2025 m. balandžio 1 d. Vokietijos tyrimų fondas (DFG) paskelbė apie penkių naujų tyrimų grupių pradžią. Viena iš grupių dirbs Valdymo inžinerijos institute, vadovaujamame Hanoverio Leibnizo universiteto (LUH). Ši tyrimų grupė pavadinta „Aktyvus mokymasis dinaminėms sistemoms ir valdymui – duomenų informatyvumas, neapibrėžtumai ir garantijos“ ir daugiausia dėmesio skiria mašininiam mokymuisi dinaminėse sistemose. Iš viso DFG šioms naujai įkurtoms grupėms, kurios veiks ketverius metus, skiria apie 19 milijonų eurų su galimybe antrąjį ketverių metų finansavimo laikotarpį.

Nauji tyrimo grupės taikomi metodai yra ypač aktualūs į ateitį orientuotoms technologijoms ir pritaikymams. Iššūkiai mašinų mokymosi srityje yra sudėtingi ir, be kita ko, apima saugumo garantijas, reikalingas tiek autonominiam vairavimui, tiek žmogaus ir mašinos sąveikai. Tradiciniai procesai dažnai nesuteikia tokių garantijų, todėl naujoviškų strategijų kūrimas yra būtinas.

Bendradarbiavimo partneriai ir galimos paraiškos

Tyrimo grupė bendradarbiauja su pripažintomis institucijomis, tokiomis kaip Freiburgo universitetas ir Hamburgo, Ilmenau ir Miuncheno technikos universitetai. Tyrimų rezultatai gali būti plačiai taikomi, ypač robotikoje ir energetikos technologijose. Mašininis mokymasis jau įdiegtas daugelyje sričių, įskaitant medicininę diagnostiką ir savarankišką vairavimą, kur tikslinė duomenų analizė ir mokymosi sistemos yra labai svarbios.

Pats mašinų mokymasis yra pagrindinė kognityvinių sistemų technologija ir svarbiausia pasaulio ekonomikos plėtrai. Neuroniniai tinklai čia vaidina lemiamą vaidmenį. Juos įkvėpė nervų ląstelių jungtys žmogaus smegenyse ir susideda iš kelių duomenų mazgų sluoksnių, sujungtų vienas su kitu svertinėmis jungtimis. Naudojant „gilaus mokymosi“ metodus, neuroniniai tinklai gauna naudos iš vis gilesnių sluoksnių, padedančių jiems spręsti sudėtingas problemas. Šie tinklai mokomi pakartotinai pateikiant duomenis, o tai leidžia tiksliau klasifikuoti, kaip iks.fraunhofer.de paaiškino.

Socialinis priėmimas ir iššūkiai

Socialinis šių technologijų pripažinimas yra labai svarbus jų plitimui. Diskusijai apie mašininį mokymąsi ir dirbtinį intelektą dažnai būdingos pusiau žinios, todėl būtina faktais pagrįsta diskusija. Išsamus tyrimas, atliktas kaip BMBF finansuojamo projekto dalis, apžvelgia dabartinius iššūkius ir tyrimo klausimus ML srityje. Projektą inicijavo Fraunhoferio intelektualios analizės ir informacinių sistemų institutas IAIS ir Fraunhoferio tarptautinio valdymo ir žinių ekonomikos centras IMW. Ji suteikia vertingų įžvalgų apie taikymo sritis ir socialines bei ekonomines pagrindines sąlygas, kurios yra svarbios tyrimams Vokietijoje.

Atsižvelgiant į sparčiai tobulėjančias mašininio mokymosi technologijas ir daugybę galimų pritaikymo scenarijų, belieka laukti, kaip naujos LUH tyrimų grupės prisidės prie tolesnio šių technologijų plėtros, ypač saugumo garantijų ir inovatyvių mokymosi metodų atžvilgiu.