Nove milhões para novos grupos de pesquisa: revolução no aprendizado de máquina!

Nove milhões para novos grupos de pesquisa: revolução no aprendizado de máquina!

Em 1º de abril de 2025, a Fundação Alemã de Pesquisa (DFG) anunciou o início de cinco novos grupos de pesquisa. Um dos grupos trabalhará no Instituto de Engenharia de Controle sob a liderança da Leibniz University Hannover (LUH). Este grupo de pesquisa intitula-se: “Aprendizado ativo para sistemas dinâmicos e controle – informatividade, incertezas e garantias dos dados” e tem como foco o aprendizado de máquina em sistemas dinâmicos. No total, a DFG está a disponibilizar cerca de 19 milhões de euros para estes grupos recém-fundados, que funcionarão durante um período de quatro anos, com possibilidade de um segundo período de financiamento de quatro anos.

As novas abordagens prosseguidas no grupo de investigação são particularmente relevantes para tecnologias e aplicações orientadas para o futuro. Os desafios no domínio da aprendizagem automática são complexos e incluem, entre outras coisas, as garantias de segurança exigidas tanto na condução autónoma como na interação homem-máquina. Os processos tradicionais muitas vezes não oferecem tais garantias, tornando essencial o desenvolvimento de estratégias inovadoras.

Parceiros de cooperação e possíveis aplicações

O grupo de pesquisa coopera com instituições reconhecidas como a Universidade de Freiburg e as universidades técnicas de Hamburgo, Ilmenau e Munique. Os resultados da investigação poderão ter aplicações de longo alcance, especialmente em robótica e tecnologia energética. A aprendizagem automática já foi estabelecida em muitas áreas, incluindo o diagnóstico médico e a condução autónoma, onde a análise de dados direcionada e os sistemas de aprendizagem são cruciais.

A própria aprendizagem automática é uma tecnologia chave para sistemas cognitivos e é fundamental para o desenvolvimento económico global. As redes neurais desempenham um papel crucial aqui. Eles são inspirados nas conexões das células nervosas do cérebro humano e consistem em múltiplas camadas de nós de dados conectados entre si por meio de conexões ponderadas. Usando métodos de “aprendizado profundo”, as redes neurais se beneficiam de camadas cada vez mais profundas que as apoiam na resolução de problemas complexos. Estas redes são treinadas através da apresentação repetida de dados, o que permite uma classificação mais precisa de como iks.fraunhofer.de explicou.

Aceitação social e desafios

A aceitação social destas tecnologias é crucial para a sua difusão. O debate sobre aprendizado de máquina e inteligência artificial é muitas vezes caracterizado pelo semiconhecimento, razão pela qual é necessária uma discussão dos temas baseada em fatos. Um estudo abrangente realizado como parte de um projeto financiado pelo BMBF fornece uma visão geral dos desafios atuais e questões de pesquisa no campo do BC. O projeto foi iniciado por Instituto Fraunhofer de Análise Inteligente e Sistemas de Informação IAIS e o Centro Fraunhofer para Gestão Internacional e Economia do Conhecimento IMW. Fornece informações valiosas sobre os campos de aplicação e as condições de enquadramento socioeconómico que são importantes para a investigação na Alemanha.

Dado o rápido avanço das tecnologias de aprendizagem automática e a multiplicidade de cenários de aplicação possíveis, resta saber como os novos grupos de investigação do LUH contribuirão para o desenvolvimento destas tecnologias, especialmente no que diz respeito às garantias de segurança e aos métodos de aprendizagem inovadores.