Effektiv och integritetsaktiverad AI-forskning inom olika domäner.
Bakgrund och ändamål
Detta arbetspaket är baserat på fortsättningen av två huvudsakliga befintliga forskningsspår inom AI-forskning på Arcada. AI är verkligen tvärvetenskapligt och metoder som har utvecklats för en domän kan användas på många andra domäner (såsom välbefinnande). Målet för denna WP är att vidareutveckla grundläggande AI-metoder som redan har ett resultat i Arcada. Vi kommer att ha två spår i detta projekt och de kallas i) Miljöansvariga AI-metoder för olika applikationer på edge-enheter och ii) Pålitlig identifiering för integritets aktiverande applikationer. Inom många domäner (som även vård och välbefinnande) behövs effektiva algoritmer i de handhållna enheterna och sekretess aktiverande applikationer för pålitlig, effektiv och pålitlig AI möjliggör tjänster. Därför behöver vi ett arbetspaket som ser längre än applikationen i sig själv.
Målsättningar och nyttan
Global uppvärmning och miljöföroreningar blev en av de viktigaste utmaningarna under detta millennium. Energiproduktion spelar en viktig roll i dem båda. Datacenter blev betydande globala energikonsumenter; deras andel av energibehovet är avsedd att bara växa inom en snar framtid när större datamängder och mer sofistikerade algoritmer uppstår och förbrukar upp till 8% av världens energibehov till 2030. Vi som maskininlärningsforskare, dataanalytiker och framtida industriutvecklare bör förstå behovet av energieffektiva beräkningar. Energikostnaden för våra metoder borde övervägas och avsiktligt slösaktiga tillvägagångssätt undviks. Detta görs enklast genom att ha alternativa energibesparingsmetoder tillgängliga; att hitta dem är målet för forskningsprojektet.
Utbredningen av digitalt styrda enheter lägger större vikt vid våra digitala identiteter. Medan de befintliga applikationerna möjliggör en betydande möjlighet upp till några dagar för identitetsverifiering och beslutsåtergång (som online-låneansökan), kräver kommande användningsfall realtidsverifiering och besluten är också slutgiltia. Exempel på dylika applikationer sträcker sig från triviala som digitalt styrda bilar och drönare (som lägger lagligt ansvar för deras operatör), till specifika sådana inom fjärr kirurgi, fjärrstyrda maskiner, affärsapplikationer och etc.
Resultat
Edge-enheter är till sin natur energi medvetna eftersom de mestadels arbetar med batteri energi, och deras processorer arbetar med lägre frekvenser och spänningar och ger mycket högre beräkningseffektivitet per enhet förbrukad energi. Det andra målet med detta projekt skulle vara forskning om storskaliga och energieffektiva maskininlärning algoritmer som är möjliga att köra direkt på avancerade datorenheter, vilket möjliggör nya tjänster och affärsmöjligheter som i sin natur är miljövänliga.
Arcada kommer att utveckla avancerade analysmetoder för exakt identifiering baserade på multi-task djupa nätverk som lär sig användaregenskaper och konstruerar en "signatur" för varje användare härledd från biometriska data. Fler användningsfall övervägs av Arcada, som t.ex. förfalskning av signaturdetektering som utnyttjar nyligen publicerade stora datamängder eller kontinuerlig verifiering av mobiltelefonanvändare baserat på accelerometerinspelningar. Data, underliggande metodik och bearbetningskraft finns tillgängliga idag, men det saknas tillämpad forskning som behövs för att fullt ut förbättra affärsmöjligheterna med ett pålitligt ekosystem för vår digitala ekonomi.
Samhällelig inverkan
Vi strävar efter att utveckla användarcentrerade metoder för hälso- och välfärdsteknologi med hjälp av AI-metoder och tekniska lösningar för hälsofrämjande. Vi kommer att utforska de mänskliga aspekterna av möjligheterna att använda AI-metoder och tekniska lösningar inom hälso- och sjukvården.
Abstrakt
Detta arbetspaket är baserat på fortsättningen av två huvudsakliga befintliga forskningsspår inom AI-forskning på Arcada. AI är verkligen tvärvetenskapligt och metoder som har utvecklats för en domän kan användas på många andra domäner (såsom välbefinnande). Målet för denna WP är att vidareutveckla grundläggande AI-metoder som redan har ett resultat i Arcada. Vi kommer att ha två spår i detta projekt och de kallas i) Miljöansvariga AI-metoder för olika applikationer på edge-enheter och ii) Pålitlig identifiering för integritets aktiverande applikationer