Explainable and Robust AI (AI Data and Robotics Partnership)
Titolo:
Intelligenza artificiale spiegabile e solida (Partenariato per i dati e la robotica dell’intelligenza artificiale)
Explainable and Robust AI (AI Data and Robotics Partnership)
TOPIC ID:
HORIZON-CL4-2024-HUMAN-01-06
Ente finanziatore:
Commissione europea – Programma Horizon Europe
Obiettivi ed impatto attesi:
I progetti devono contribuire a uno dei seguenti risultati:
• Miglioramento della robustezza, delle prestazioni e dell’affidabilità dei sistemi di IA, compresa la consapevolezza dei limiti della robustezza operativa del sistema.
• Miglioramento della spiegabilità e della responsabilità, della trasparenza e dell’autonomia dei sistemi di IA, compresa la consapevolezza delle condizioni di lavoro del sistema.
Ambito di applicazione:
Le soluzioni di IA degne di fiducia devono essere robuste, sicure e affidabili quando operano in condizioni reali e devono essere in grado di fornire spiegazioni adeguate, significative e complete, se pertinenti, o approfondimenti sulla causalità, tenere conto delle preoccupazioni relative all’equità, essere solide quando si affrontano tali questioni in condizioni reali, rispettando al contempo i diritti e gli obblighi relativi all’uso dei sistemi di IA in Europa. I progressi in queste aree possono contribuire a creare un’IA incentrata sull’uomo[1]che rifletta le esigenze e i valori dei cittadini europei e contribuisca a una governance efficace delle tecnologie di IA.
Per ottenere un’IA robusta e affidabile, sono necessari nuovi approcci per sviluppare metodi e soluzioni che funzionino in circostanze diverse da quelle ideali del modello e che siano consapevoli quando queste condizioni vengono meno. Per ottenere l’affidabilità, i sistemi di IA devono essere sufficientemente trasparenti e in grado di spiegare come il sistema ha raggiunto una conclusione in modo che sia significativa per l’utente, indicando anche quando sono stati raggiunti i limiti di funzionamento.
Lo scopo è quello di far progredire algoritmi di intelligenza artificiale in grado di operare in modo sicuro in una varietà comune di circostanze, in modo affidabile in condizioni reali e di prevedere quando queste circostanze operative non sono più valide. La ricerca deve mirare a far progredire la robustezza e la spiegabilità per una generalità di soluzioni, pur comportando una perdita accettabile in termini di accuratezza ed efficienza, e con una verificabilità e riproducibilità note. L’obiettivo è estendere l’applicabilità generale della spiegabilità e della robustezza dei sistemi di IA attraverso la ricerca fondazionale sull’IA e sull’apprendimento automatico. A tal fine, possono essere presi in considerazione i seguenti metodi, ma non sono necessariamente limitati a:
• apprendimento efficiente dei dati, trasformatori, apprendimento per rinforzo, apprendimento federato ed edge-learning, apprendimento automatico o qualsiasi combinazione di questi elementi per migliorare la robustezza e la spiegabilità.
• approcci ibridi che integrano apprendimento, conoscenza e ragionamento, approcci basati su modelli, calcolo neuromorfico o altri approcci ispirati alla natura e altre forme di combinazioni ibride genericamente applicabili alla robustezza e alla spiegabilità.
• apprendimento continuo, apprendimento attivo, apprendimento a lungo termine e come possono contribuire a migliorare la robustezza e la spiegabilità.
• l’apprendimento multimodale, l’elaborazione del linguaggio naturale, il riconoscimento vocale e la comprensione del testo tenendo conto degli aspetti multiculturali allo scopo di aumentare la robustezza operativa e la capacità di spiegare formulazioni alternative.[2].
Le attività di ricerca multidisciplinari devono riguardare tutti i seguenti aspetti:
• Le proposte devono coinvolgere competenze adeguate in tutte le discipline pertinenti e, se del caso, nelle scienze sociali e umanistiche (SSH), comprese le conoscenze di genere e intersezionali per affrontare le preoccupazioni relative a pregiudizi di genere, razziali o di altro tipo, ecc.
• Le proposte devono dedicare compiti e risorse per collaborare e fornire input alla sfida di innovazione aperta nell’ambito di HORIZON-CL4-2023-HUMAN-01-04 che riguarda la spiegabilità e la robustezza. I gruppi di ricerca coinvolti nelle proposte devono partecipare alle rispettive sfide dell’innovazione.
• Contribuire a far sì che le soluzioni di IA e robotica soddisfino i requisiti di un’IA affidabile, basata sul rispetto dei principi etici, dei diritti fondamentali e di aspetti critici quali robustezza, sicurezza e affidabilità, in linea con l’approccio europeo all’IA. I principi etici devono essere adottati fin dalle prime fasi di sviluppo e progettazione.
Tutte le proposte devono incorporare meccanismi per valutare e dimostrare i progressi (con KPI qualitativi e quantitativi, benchmarking e monitoraggio dei progressi) e condividere i risultati comunicabili con la comunità europea di R&S, attraverso la piattaforma AI-on-demand o la piattaforma industriale digitale per la robotica, le risorse pubbliche della comunità, per massimizzare il riutilizzo dei risultati, sia da parte degli sviluppatori, sia per l’adozione, e ottimizzare l’efficienza dei finanziamenti; migliorare l’ecosistema europeo dell’AI, dei dati e della robotica attraverso la condivisione dei risultati e delle migliori pratiche.
Per raggiungere i risultati previsti, si incoraggia la cooperazione internazionale, in particolare con il Canada e l’India.
Condizioni specifiche dell’argomento:
Le attività dovrebbero iniziare a TRL 2-3 e raggiungere TRL 4-5 entro la fine del progetto.
Criteri di eleggibilità:
Condizioni di ammissibilità
Le condizioni sono descritte nell’Allegato generale B.
Per essere ammissibili, i richiedenti (beneficiari ed enti affiliati) devono:
-essere soggetti giuridici (enti pubblici o privati) avere sede in uno dei Paesi ammissibili, ovvero Stati membri dell’UE (compresi i Paesi e territori d’oltremare (PTOM)) Paesi non UE:
– Paesi SEE elencati e Paesi associati o Paesi che hanno in corso negoziati per un accordo di associazione e in cui l’accordo entra in vigore prima della firma della sovvenzione (elenco dei Paesi partecipanti)
– Paesi in via di adesione,
I beneficiari e gli enti affiliati devono iscriversi al Registro dei partecipanti – prima di presentare la proposta – e dovranno essere convalidati dal Servizio centrale di convalida (REA Validation). Per la convalida, sarà loro richiesto di caricare documenti che dimostrino lo status giuridico e l’origine.
Si applicano le seguenti eccezioni: Se i progetti utilizzano dati e servizi di osservazione della terra, posizionamento, navigazione e/o tempistica correlati basati su satelliti, i beneficiari devono utilizzare Copernicus e/o Galileo/EGNOS (possono essere utilizzati anche altri dati e servizi).
Contributo finanziario:
Contributo UE previsto per progetto La Commissione ritiene che un contributo UE compreso tra 9 e 10 milioni di euro consentirebbe di affrontare adeguatamente questi risultati. Tuttavia, ciò non preclude la presentazione e la selezione di una proposta che richieda importi diversi.
Il budget totale indicativo per il tema è di 30,00 milioni di euro. Tipo di azione : Azioni di ricerca e innovazione
Scadenza:
19 marzo 2024 17:00:00 ora di Bruxelles
Ulteriori informazioni:
wp-7-digital-industry-and-space_horizon-2023-2024_en.pdf (europa.eu)
Per scaricare questo bando, in formato pdf, clicca qui.
Servizio offerto da Mario Furore, deputato al Parlamento europeo, membro non iscritto.
disclaimer:
Le opinioni espresse sono di responsabilità esclusiva dell’autore o degli autori e non riflettono necessariamente la posizione ufficiale del Parlamento europeo.
Altri simili:
