Ni millioner til nye forskningsgrupper: revolusjon innen maskinlæring!

Ni millioner til nye forskningsgrupper: revolusjon innen maskinlæring!

1. april 2025 annonserte den tyske forskningsstiftelsen (DFG) oppstarten av fem nye forskningsgrupper. En av gruppene skal jobbe ved Institute for Control Engineering under ledelse av Leibniz University Hannover (LUH). Denne forskningsgruppen har tittelen: «Aktiv læring for dynamiske systemer og kontroll – datainformativitet, usikkerheter og garantier» og fokuserer på maskinlæring i dynamiske systemer. Totalt gir DFG rundt 19 millioner euro til disse nystiftede gruppene, som vil jobbe over en periode på fire år, med mulighet for en ny finansieringsperiode på fire år.

De nye tilnærmingene som følges i forskergruppen er spesielt relevante for fremtidsrettede teknologier og applikasjoner. Utfordringene innen maskinlæring er komplekse og inkluderer blant annet sikkerhetsgarantiene som kreves ved både autonom kjøring og menneske-maskin-samhandling. Tradisjonelle prosesser gir ofte ikke slike garantier, noe som gjør utviklingen av innovative strategier avgjørende.

Samarbeidspartnere og mulige søknader

Forskningsgruppen samarbeider med anerkjente institusjoner som Universitetet i Freiburg og de tekniske universitetene i Hamburg, Ilmenau og München. Forskningsresultatene kan ha vidtrekkende anvendelser, spesielt innen robotikk og energiteknologi. Maskinlæring er allerede etablert på mange områder, inkludert medisinsk diagnose og autonom kjøring, hvor målrettet dataanalyse og læringssystemer er avgjørende.

Maskinlæring i seg selv er en nøkkelteknologi for kognitive systemer og er sentral for global økonomisk utvikling. Nevrale nettverk spiller en avgjørende rolle her. Disse er inspirert av nervecelleforbindelsene i den menneskelige hjernen og består av flere lag med datanoder koblet til hverandre via vektede forbindelser. Ved å bruke "deep learning"-metoder drar nevrale nettverk nytte av stadig dypere lag som støtter dem i å løse komplekse problemer. Disse nettverkene trenes opp ved å gjentatte ganger presentere data, noe som muliggjør en mer presis klassifisering av hvordan iks.fraunhofer.de forklart.

Sosial aksept og utfordringer

Sosial aksept av disse teknologiene er avgjørende for deres spredning. Debatten om maskinlæring og kunstig intelligens er ofte preget av halvkunnskap, derfor er det nødvendig med en faktabasert diskusjon av temaene. En omfattende studie utført som en del av et BMBF-finansiert prosjekt gir en oversikt over aktuelle utfordringer og forskningsspørsmål innen ML-feltet. Prosjektet ble initiert av Fraunhofer Institute for Intelligent Analysis and Information Systems IAIS og Fraunhofer Center for International Management and Knowledge Economy IMW. Den gir verdifull innsikt i bruksområder og sosioøkonomiske rammebetingelser som er viktige for forskning i Tyskland.

Gitt de raskt fremskredende teknologiene innen maskinlæring og mangfoldet av mulige applikasjonsscenarier, gjenstår det å se hvordan de nye forskningsgruppene ved LUH vil bidra til videreutvikling av disse teknologiene, spesielt med tanke på sikkerhetsgarantier og innovative læringsmetoder.