Devet milijonov za nove raziskovalne skupine: revolucija v strojnem učenju!

Devet milijonov za nove raziskovalne skupine: revolucija v strojnem učenju!

1. aprila 2025 je Nemška raziskovalna fundacija (DFG) napovedala začetek petih novih raziskovalnih skupin. Ena od skupin bo delovala na Inštitutu za regulacijsko tehniko pod vodstvom Leibniz University Hannover (LUH). Ta raziskovalna skupina nosi naslov: »Aktivno učenje za dinamične sisteme in nadzor – informativnost podatkov, negotovosti in garancije« in se osredotoča na strojno učenje v dinamičnih sistemih. Za te novoustanovljene skupine, ki bodo delovale štiri leta, z možnostjo drugega štiriletnega obdobja financiranja, DFG skupaj zagotavlja okoli 19 milijonov evrov.

Novi pristopi, ki jih izvaja raziskovalna skupina, so še posebej pomembni za v prihodnost usmerjene tehnologije in aplikacije. Izzivi na področju strojnega učenja so zapleteni in med drugim vključujejo varnostna jamstva, potrebna tako pri avtonomni vožnji kot pri interakciji človek-stroj. Tradicionalni procesi pogosto ne nudijo takšnih jamstev, zaradi česar je razvoj inovativnih strategij nujen.

Partnerji za sodelovanje in možne prijave

Raziskovalna skupina sodeluje s priznanimi institucijami, kot so Univerza v Freiburgu in tehnične univerze v Hamburgu, Ilmenauu in Münchnu. Rezultati raziskav bi lahko imeli daljnosežne aplikacije, zlasti v robotiki in energetski tehnologiji. Strojno učenje je že uveljavljeno na številnih področjih, vključno z medicinsko diagnostiko in avtonomno vožnjo, kjer sta ciljna analiza podatkov in učni sistem ključnega pomena.

Samo strojno učenje je ključna tehnologija za kognitivne sisteme in je osrednjega pomena za svetovni gospodarski razvoj. Nevronske mreže imajo tukaj ključno vlogo. Te se zgledujejo po povezavah živčnih celic v človeških možganih in so sestavljene iz več plasti podatkovnih vozlišč, ki so med seboj povezana prek uteženih povezav. Z uporabo metod "globokega učenja" imajo nevronske mreže koristi od vse globljih plasti, ki jih podpirajo pri reševanju kompleksnih problemov. Ta omrežja se usposabljajo z večkratnim predstavljanjem podatkov, kar omogoča natančnejšo klasifikacijo, kako iks.fraunhofer.de pojasnil.

Družbena sprejemljivost in izzivi

Družbena sprejemljivost teh tehnologij je ključnega pomena za njihovo širjenje. Za razpravo o strojnem učenju in umetni inteligenci je pogosto značilno polovičnost, zato je nujna razprava o temi, ki temelji na dejstvih. Obsežna študija, izvedena v okviru projekta, ki ga financira BMBF, ponuja pregled trenutnih izzivov in raziskovalnih vprašanj na področju pranja denarja. Projekt je nastal na pobudo Fraunhoferjev inštitut za inteligentno analizo in informacijske sisteme IAIS in Fraunhofer Center za mednarodni management in gospodarstvo znanja IMW. Zagotavlja dragocene vpoglede v področja uporabe in socialno-ekonomske okvirne pogoje, ki so pomembni za raziskave v Nemčiji.

Glede na hitro napredujoče tehnologije strojnega učenja in množico možnih scenarijev uporabe, je treba še videti, kako bodo nove raziskovalne skupine na LUH prispevale k nadaljnjemu razvoju teh tehnologij, predvsem glede varnostnih jamstev in inovativnih učnih metod.