Om prosjektet
Selvlærende kunstig intelligens i form av nevrale nettverk har i de senere årene demonstrert ekstrem slagkraft innen en rekke områder som gjenkjenning av lyd og bilde, og overmenneskelig evner i spill som for eksempel sjakk. Allikevel, selv med grundig opplæring og generell ytelse som ofte overgår oss mennesker, så gjør disse nettverkene pussige feil som kan virke uforståelige og som mennesker ikke ville gjort. Dette gjør at man kan og bør stille spørsmål ved bruk av disse algoritmene i en rekke anvendelser av type selvkjørende kjøretøy, eller innen medisin eller til militær bruk, der potensielle feil får svært alvorlige konsekvenser. På denne andre siden har man i vitenskapelige beregninger, spesielt i modelleringsbaserte vitenskaper som fysikk, mekanikk, kjemi osv., laget et generelt og robust matematisk rammeverk som sikrer de ønskede handlingsmønstre. Spesielt matematikken utviklet rundt partielle differensiallikninger garanterer i mange tilfeller sikkerhet med bemerkeselsverdig presisjon. I dette prosjektet vil vi utforske måter å slå sammen tradisjonell modellering med nevrale nettverk for å forbedre ytelse og sikkerhet i dagens læringsalgoritmer, samt måter å øke fleksibiliteten til dagens algoritmer i vitenskapelig beregninger.
Samarbeid
Dette prosjektet er et samarbeid med Simula, finansiert av Norges forskningsråd.
