Deviņi miljoni jaunām pētniecības grupām: revolūcija mašīnmācībā!

Deviņi miljoni jaunām pētniecības grupām: revolūcija mašīnmācībā!

2025. gada 1. aprīlī Vācijas Pētniecības fonds (DFG) paziņoja par piecu jaunu pētniecības grupu izveidi. Viena no grupām strādās Vadības inženierijas institūtā Hannoveres Leibnicas universitātes (LUH) vadībā. Šīs pētniecības grupas nosaukums ir “Aktīva mācīšanās dinamiskām sistēmām un kontrolei – datu informatīvums, nenoteiktības un garantijas”, un tā koncentrējas uz mašīnmācīšanos dinamiskās sistēmās. Kopumā šīm jaundibinātajām grupām, kas strādās četrus gadus, DFG nodrošina aptuveni 19 miljonus eiro ar iespēju piešķirt otro finansējuma periodu četru gadu garumā.

Pētnieku grupā izmantotās jaunās pieejas ir īpaši svarīgas uz nākotni vērstām tehnoloģijām un lietojumiem. Izaicinājumi mašīnmācības jomā ir sarežģīti un cita starpā ietver drošības garantijas, kas nepieciešamas gan autonomai braukšanai, gan cilvēka un mašīnas mijiedarbībai. Tradicionālie procesi bieži vien nepiedāvā šādas garantijas, tādēļ inovatīvu stratēģiju izstrāde ir būtiska.

Sadarbības partneri un iespējamie pieteikumi

Pētniecības grupa sadarbojas ar tādām atzītām institūcijām kā Freiburgas Universitāte un Hamburgas, Ilmenau un Minhenes tehniskajām universitātēm. Pētījumu rezultātiem varētu būt tālejošas pielietojuma iespējas, jo īpaši robotikā un enerģētikas tehnoloģijās. Mašīnmācība jau ir ieviesta daudzās jomās, tostarp medicīniskajā diagnostikā un autonomajā braukšanā, kur mērķtiecīgai datu analīzei un mācību sistēmām ir izšķiroša nozīme.

Mašīnmācība pati par sevi ir galvenā kognitīvo sistēmu tehnoloģija, un tā ir galvenā globālās ekonomikas attīstības sastāvdaļa. Neironu tīkliem šeit ir izšķiroša loma. Tie ir iedvesmoti no nervu šūnu savienojumiem cilvēka smadzenēs, un tie sastāv no vairākiem datu mezglu slāņiem, kas savienoti viens ar otru, izmantojot svērtus savienojumus. Izmantojot “dziļās mācīšanās” metodes, neironu tīkli gūst labumu no arvien dziļākiem slāņiem, kas tos atbalsta sarežģītu problēmu risināšanā. Šie tīkli tiek apmācīti, atkārtoti uzrādot datus, kas ļauj precīzāk klasificēt, kā iks.fraunhofer.de paskaidroja.

Sociālā pieņemšana un izaicinājumi

Šo tehnoloģiju sociāla pieņemšana ir ļoti svarīga to izplatībai. Debates par mašīnmācību un mākslīgo intelektu bieži raksturo puszināšanas, tāpēc ir nepieciešama uz faktiem balstīta tēmas diskusija. Visaptverošs pētījums, kas veikts BMBF finansēta projekta ietvaros, sniedz pārskatu par aktuālajiem izaicinājumiem un pētniecības jautājumiem ML jomā. Projektu iniciēja Fraunhofera Viedās analīzes un informācijas sistēmu institūts IAIS un Fraunhofera Starptautiskās vadības un zināšanu ekonomikas centrs IMW. Tas sniedz vērtīgu ieskatu pielietojuma jomās un sociāli ekonomiskajos pamatnosacījumos, kas ir svarīgi pētniecībai Vācijā.

Ņemot vērā strauji attīstošās tehnoloģijas mašīnmācībā un iespējamo pielietojuma scenāriju daudzveidību, atliek gaidīt, kā jaunās LUH pētnieku grupas dos ieguldījumu šo tehnoloģiju tālākā attīstībā, īpaši attiecībā uz drošības garantijām un inovatīvām mācību metodēm.