Bild: Mostphotos
Forskningsprojekt som finansieras av Vetenskapsrådet.
Maskininlärning är ett område inom artificiell intelligens, där man utvecklar metoder för att med data "träna" datorer att upptäcka och "lära" sig regler för att lösa en uppgift, utan att datorerna har programmerats med regler för just den uppgiften.
Framstegen inom området så här långt baseras på användandet av en viss matematisk metod, så kallad R-ERM, för hur en dator lär sej att “förstå” sin omvärld. Den här metoden – som använts sedan 70-talet – har emellertid begränsningar som håller tillbaka vidare utveckling av maskininlärning. Vi har nu, för första gången, lyckats beskriva begränsningarna matematiskt, vilket kan göra det möjligt att utveckla en helt ny plattform för inlärning, kallad CERMON.
För att kunna åstadkomma detta, måste vi emellertid genomföra detaljerade studier av både de statistiska och de matematiska aspekterna hos CERMON, och sådan gränsöverskridande forskning är ännu underutnyttjad. Andra försök att ersätta R-ERM har visat sej alltför specialiserade eller beräkningsmässigt för svårhanterliga.
För att möta de här utmaningarna vill vi formulera ett sammanhållet matematiskt system genom utvecklingen av en banbrytande statistisk inlärningsteori för CERMON. Tillsammans med våra nydanande beräkningsinstrument för CERMON, kan vi då skapa en ny standard för maskininlärning, ML. Det är en ambitiös målsättning, som kan få enorm betydelse både inom datavetenskapen och utanför denna.
