德国研究基金会资助人工智能研究

德国研究基金会（ DFG ）根据其在人工智能 (AI) 领域的战略资助计划将资助八个研究机构，第一期资助总额约为 3140 万欧元，他们将获得最多两个四年期的资助。“人工智能方法在所有学科中都至关重要。出于这个原因，对人工智能本身的研究应该伴随着它在基础科学研究中的有效整合，”DFG 主席 Katja Becker 教授说。“我们现在很高兴能够在一个如此重要的领域资助八个研究机构。目的是让这些研究机构相互接触，并与该领域的其他国家和国际行为者建立联系——不仅在他们的大学，而且在各种活动中。” 具体如下：

1、无论是图像、基因组序列还是时间序列，高通量测量现在为生物医学科学提供了重要的结构化数据，但这些数据通常以异质性、干扰变量和采样偏差为特征。通过“整合深度学习和统计来理解结构化的生物医学数据”，该研究项目旨在建立更加灵活的统计模型，并通过建立与一般生物医学应用的链接来显着提高结构化数据情况的可解释性。柏林洪堡大学Sonja Greven教授牵头。

2、实现可持续农业对抗饥饿是联合国 2030 年议程的一个关键目标。凭借其用于数据驱动优化的最先进的测量和监测技术，精准农业可以在这里开辟一条道路。“用于园艺作物监测和决策的自动化和人工智能研究(AID4Crops)”正在寻找新的人工智能算法，这些算法可以提供植物状况的最佳描述和预测。这种监控和决策的结合也将为具体管理决策提供基础。波恩大学Christopher McCool教授牵头。

3、制图学和物理大地测量学是地球表面测量科学的两个核心领域。“大地测量学算法数据分析 (AlgoForGe)”项目是弥合当前人工智能和大地测量学领域的研究之间的差距，利用这两个学科之间的联系，为测量和绘制地球表面建立更坚实的算法基础。波恩大学Petra Mutzel教授牵头。

4、 “Lifespan AI：从纵向健康数据到生命历程推断”项目旨在进一步开发 AI 方法和工具，以便基于收集的数据和使用深度学习模型来提高对个体疾病发展的认识，从而使其能够用于实证健康研究。不来梅大学Tanja Schultz教授牵头。

5、“神经元架构中的抽象表示(ARENA)”项目专注于人脑功能网络和不同抽象级别的 AI 模型中知识表示的出现和编码：从更简单的现象开始，例如从不同角度看物体，转向神经元分类并扩展到基于复杂感知过程的抽象模型。法兰克福大学/美因河畔分校Ingo Marzi 教授牵头。

6、“稀疏化学过程数据深度学习”项目是在化学工程中建立深度学习 (DL) 方法。DL 在异常分析、状态预测、决策制定和自动化过程中开辟了新的途径，生成开发此类方法所需的大型数据集。凯泽斯劳滕工业大学 Marius Kloft 教授牵头。

7、高质量、高成本效益的生产需要复杂的工艺。由于必须进行实验才能实现这一目标，因此到目前为止开发成本特别高，尤其是在使用新材料和新工艺、生产过程非常复杂或没有成熟模型可用的情况下，系统地使用人工智能有可能更便宜、更快、更高效。“基于人工智能的快速升级不成熟生产流程的方法”项目将在该领域寻找全新的解决方案。卡尔斯鲁厄大学 Jürgen Beyerer 教授牵头。

8、“学习最佳图像数据传感器”项目目标是开发一种新的方法，用于联合开发传感器系统和数据分析网络。锡根大学 Michael Möller 教授牵头。获 取 更多前沿科技研究 进展访问： http://byteclicks.com