Ikke-veiledet livslang maskinlæring

ULEARN adresserer et nytt fundament innen “ikke-veiledet livslang maskinlæring” som vil endre hvordan en designer fremtidens maskinlæringssystemer til å kunne håndtere de betydelige tekniske utfordringer som møter datasystemer som må fungere over lang tid i stadig i stadig skiftende omgivelse. I dag skjer utformingen av maskinlæringssystemer i all hovedsak før oppstart, og krever dermed kontinuerlige oppdateringer for å takle endringer gjennom livsløpet. I den fremtidige hyperkoblet digitale verdenen, allestedsnærværende koblet til en enorm mengde heterogene data og overfor uventede og på forhånd ukjente driftsforhold, må derimot læringssystemer fungere radikalt annerledes enn i dag.

Essensen i ULEARN er å erstatte manuelle systemdesign med en dynamisk programvarearkitektur som implementerer velkomponerte maskinlæringsprosesser, som er dynamisk optimalisert, og som utvikler seg helhetlig gjennom levetiden. Datasystemer vil bli selvlærende, tilpasningsdyktige og utvikle seg til de dynamiske forholdene under kjøretiden. En slik ny systemdesign kan lære av høydimensjonale komplekse data og vil være i stand til å autonomt utvikle sine egne læringsprosesser under skiftende og uforutsette forhold, livslangt. Dette nye paradigmet vil bli realisert gjennom samordnet forskning under tre PIer, som sammen representerer komplementær ekspertise innen ikke-veiledet læring, naturlig databehandling, evolusjonære arkitekturer og programvareteknikk. Forskningen er sentrert rundt det å finne struktur i data, gjenkjenne avvik under operasjoner, tilpasse læringsarkitekturen og (re-) organisere og utvikle egne læringsprosesser ved kjøretid under uforutsette situasjoner. Videre vil hele tilnærmingen bli konseptualisert i et nytt selvlæringssystem for å realisere visjonen om ikke-veiledet livslang maskinlæring. Det ultimate målet med ULEARN er autonome databehandlingssystem som bidrar til teknologiske gjennombrudd som vil forandre våre liv i det neste tiåret.