Fecha de apertura 22 de junio de 2021. Fecha límite 21 de octubre de 2021
Presupuesto:
Resultado esperado :
Se espera que los resultados de la propuesta contribuyan al menos a uno de los siguientes resultados esperados:
- IA transparente, explicable, responsable y confiable de clase mundial, basada en soluciones más inteligentes, seguras, seguras, resistentes, precisas, sólidas, confiables y confiables.
- Soluciones de IA mejoradas con el objetivo de cumplir con los requisitos industriales [1] en términos de autonomía, precisión, seguridad, repetibilidad, robustez, resiliencia, seguridad, etc.
- IA más ecológica.
- Siguiente nivel de soluciones basadas en inteligencia artificial, que explotan la inteligencia integrada en la infraestructura de borde a nube
- Avances en sistemas complejos e inteligencia artificial con conciencia social
Alcance :
Desarrollar tecnología de IA confiable , clave para la aceptación, para aprovechar al máximo los enormes beneficios que dicha tecnología puede ofrecer y demostrar los beneficios en aplicaciones particulares. Esto requerirá una mejora en la transparencia: explicabilidad, rendición de cuentas y responsabilidad, seguridad, niveles esperados de desempeño técnico (precisión, robustez, nivel de ‘inteligencia’ y autonomía, etc.) que están garantizados / verificables y con los niveles de confianza correspondientes.
Construir el siguiente nivel de «inteligencia» y autonomía , esencial para ampliar la implementación, para resolver un conjunto más amplio y problemas más complejos, adaptarse a nuevas situaciones y conocimiento del contexto, abordar los requisitos de rendimiento en tiempo real y la eficiencia de datos y energía, también para más ecológicos. Soluciones de IA y robótica. Esto investigará enfoques como la integración tanto del aprendizaje como del razonamiento, la causalidad, la contextualización y el descubrimiento del conocimiento, modelos híbridos semiparamétricos (que combinan leyes de la física con observaciones, también conocido como aprendizaje automático basado en la física), enfoques de humanos en el ciclo, etc. .
Contribuir a que las soluciones de IA y robótica cumplan con los requisitos de una IA de confianza, basada en el respeto de los principios éticos, los derechos fundamentales, incluida la privacidad. Los principios éticos deben adoptarse desde las primeras etapas del desarrollo y diseño de la IA.
En este tema, los sólidos desarrollos científicos se complementarán, según corresponda, con herramientas y procesos de diseño, pruebas y validación, certificación (en su caso), metodologías de ingeniería de software, así como enfoques de modularidad e interoperabilidad, orientados a aplicaciones del mundo real. . Cuando corresponda, se alienta a las propuestas a proponer métodos de estandarización para fomentar la industria de la IA, ayudando a crear y garantizar una IA confiable y ética, y en apoyo del marco regulatorio de la Comisión.
Se espera que las propuestas científicas se centren en promover el estado del arte en una de las principales áreas de investigación a continuación:
- Aprendizaje novedoso o prometedor (como aprendizaje no supervisado, auto supervisado, representativo capaz de contextualización, aprendizaje de transferencia, aprendizaje continuo y de por vida, etc.) así como enfoques simbólicos e híbridos . El objetivo es promover la «inteligencia» y la autonomía de los sistemas basados en IA,esencial para ampliar la implementación, resolver un conjunto más amplio de problemas más complejos, adaptarse a nuevas situaciones (haciéndolos más «inteligentes», más precisos, robustos, confiables, versátiles, fiables, seguros, más seguros, etc.), y abordar situaciones reales -requisitos de rendimiento en el tiempo, cuando proceda, tanto para la robótica como para los sistemas de IA no incorporados. Esto incluirá, entre otros, la integración tanto del aprendizaje como del razonamiento, combinando modelos basados en datos y basados en el conocimiento, causalidad, contextualización y descubrimiento de conocimientos. Los enfoques pueden basarse en la simulación y los gemelos digitales, o incluir el aumento de datos, el modelado del conocimiento, la federación de sistemas de IA, incluido el uso de datos distribuidos, el aprendizaje federado y los nuevos métodos de IA que garantizan la escalabilidad y la reutilización.
- Transparencia avanzada en IA , incluidos avances en explicabilidad, en transparencia (con niveles de rendimiento garantizados / verificables, niveles de confianza, etc.), investigando enfoques novedosos o mejorados que aumentan la comprensión de los usuarios del comportamiento del sistema de IA y, por lo tanto, aumentan la confianza en dichos sistemas.
- IA más ecológica , aumento de la eficiencia energética y de datos. Esto cubre la investigación hacia modelos más livianos, menos intensivos en datos y que consuman energía, procesos de aprendizaje optimizados para requerir menos entrada (IA con eficiencia de datos) o modelos optimizados, aumento de datos, datos sintéticos, aprendizaje de transferencia, aprendizaje de una sola vez, continuo / de por vida. aprendizaje y arquitecturas optimizadas para hardware energéticamente eficiente, marco que optimiza los cálculos para la reducción de energía en el análisis de big data. Esto también se basa en los resultados más recientes en dispositivos de sensores de autoconfiguración, de baja potencia o con capacidad de recolección de energía, y transmisión de datos de baja potencia y reducción de energía en el análisis de big data (por ejemplo, un marco que optimiza los cálculos, lo que lleva a una disminución del uso de energía, etc. ).
- Avances en redes de inteligencia artificial de borde , llevando inteligencia cerca de sensores, en sistemas embebidos con recursos computacionales, de almacenamiento y de comunicación limitados, así como la integración de sensores y percepción avanzados y adaptativos (incluyendo detección multimodal y percepción activa, detección distribuida, etc. ), sino también optimizando la inteligencia artificial perimetral frente a la nube para maximizar las capacidades del sistema en general (tanto a nivel mundial como para usuarios individuales). Esto se basa en el último desarrollo de hardware (para lo cual se fomentan las sinergias con la Asociación europea para tecnologías digitales clave (KDT)), pero no cubre dichos desarrollos de hardware.
- Sistemas complejos e IA con conciencia social : capaces de anticipar y hacer frente a las consecuencias de los efectos de red complejos en comunidades mixtas de humanos a gran escala y sistemas de IA que interactúan en varias escalas temporales y espaciales. Esto incluye la capacidad de equilibrar los requisitos relacionados con los usuarios individuales y el bien común y las preocupaciones sociales, incluida la sostenibilidad, la no discriminación, la equidad, la diversidad, etc.
Las propuestas deben identificar claramente su área de investigación focalizada entre las 5 enumeradas anteriormente.
Las propuestas deben incluir, según corresponda, el desarrollo de herramientas y procesos para el diseño, prueba y validación, implementación y aceptación, auditoría, certificación (cuando corresponda), metodologías de ingeniería de software, así como enfoques de modularidad e interoperabilidad.
Para complementar el impresionante progreso en el desarrollo de algoritmos y componentes de IA individuales, las propuestas también podrían abordar el desarrollo de bases científicas para diseñar, modelar, analizar, operar, monitorear, integrar, mantener y extender sistemas de IA.
En todos estos temas, será fundamental la participación de equipos multidisciplinarios y la investigación transdisciplinaria, incluida la SSH según corresponda. Los consorcios deben involucrar a laboratorios de investigación de clase mundial y científicos de primer nivel, uniendo fuerzas para abordar estos importantes desafíos científicos, y se les anima encarecidamente a asociarse con empresas europeas (grandes y pequeñas) que representan a los principales sectores industriales de Europa, genuinamente interesadas en el progreso de la ciencia y la tecnología. en estos campos, y que consideran la adopción de IA “made in Europe” clave para su competitividad [2] .
Si bien las propuestas deben abordar los fundamentos científicos, se debe demostrar la relevancia para las aplicaciones del mundo real, en particular a través de casos de uso utilizados para demostrar el progreso científico.
Se espera que todas las propuestas incorporen mecanismos para evaluar y demostrar el progreso (con indicadores clave de rendimiento cualitativos y cuantitativos, demostradores, evaluación comparativa y seguimiento del progreso) y compartan resultados comunicables con la comunidad europea de I + D, a través de la plataforma AI-on-demand [3] , un recurso público de la comunidad, para maximizar la reutilización de los resultados y la eficiencia de la financiación.
Se espera que las actividades alcancen TRL 4-5 al final de los proyectos.
Las propuestas deben prever actividades para colaborar con proyectos que surjan de temas relevantes para la IA, los datos y la robótica, principalmente en los destinos 3, 4 y 6, pero también en otros destinos y clústeres (en particular el Clúster 3 sobre ciberseguridad cuando sea relevante), y compartir o explotar resultados donde sea apropiado.
Este tema implementa la Asociación europea coprogramada sobre inteligencia artificial, datos y robótica.
Se espera que todas las propuestas asignen tareas a las actividades de cohesión con el PPP sobre IA, datos y robótica y acciones financiadas relacionadas con esta asociación, incluida la CSA HORIZON-CL4-2021-HUMAN-01-02.Condiciones específicas del tema :
Se espera que las actividades comiencen en TRL 2-3 y alcancen TRL 4-5 al final del proyecto – ver Anexo General B.Prioridades transversales :
Asociaciones europeas
coprogramadas Ciencias socioeconómicas y humanidades
