德國研究基金會資助人工智慧研究

德國研究基金會（ DFG ）根據其在人工智慧 (AI) 領域的戰略資助計劃將資助八個研究機構，第一期資助總額約為 3140 萬歐元，他們將獲得最多兩個四年期的資助。“人工智慧方法在所有學科中都至關重要。出於這個原因，對人工智慧本身的研究應該伴隨著它在基礎科學研究中的有效整合，”DFG 主席 Katja Becker 教授說。“我們現在很高興能夠在一個如此重要的領域資助八個研究機構。目的是讓這些研究機構相互接觸，並與該領域的其他國家和國際行為者建立聯絡——不僅在他們的大學，而且在各種活動中。” 具體如下：

1、無論是影象、基因組序列還是時間序列，高通量測量現在為生物醫學科學提供了重要的結構化資料，但這些資料通常以異質性、干擾變數和取樣偏差為特徵。通過“整合深度學習和統計來理解結構化的生物醫學資料”，該研究專案旨在建立更加靈活的統計模型，並通過建立與一般生物醫學應用的連結來顯著提高結構化資料情況的可解釋性。柏林洪堡大學Sonja Greven教授牽頭。

2、實現可持續農業對抗飢餓是聯合國 2030 年議程的一個關鍵目標。憑藉其用於資料驅動優化的最先進的測量和監測技術，精準農業可以在這裡開闢一條道路。“用於園藝作物監測和決策的自動化和人工智慧研究(AID4Crops)”正在尋找新的人工智慧演算法，這些演算法可以提供植物狀況的最佳描述和預測。這種監控和決策的結合也將為具體管理決策提供基礎。波恩大學Christopher McCool教授牽頭。

3、製圖學和物理大地測量學是地球表面測量科學的兩個核心領域。“大地測量學演算法資料分析 (AlgoForGe)”專案是彌合當前人工智慧和大地測量學領域的研究之間的差距，利用這兩個學科之間的聯絡，為測量和繪製地球表面建立更堅實的演算法基礎。波恩大學Petra Mutzel教授牽頭。

4、 “Lifespan AI：從縱向健康資料到生命歷程推斷”專案旨在進一步開發 AI 方法和工具，以便基於收集的資料和使用深度學習模型來提高對個體疾病發展的認識，從而使其能夠用於實證健康研究。不來梅大學Tanja Schultz教授牽頭。

5、“神經元架構中的抽象表示(ARENA)”專案專注於人腦功能網路和不同抽象級別的 AI 模型中知識表示的出現和編碼：從更簡單的現象開始，例如從不同角度看物體，轉向神經元分類並擴充套件到基於複雜感知過程的抽象模型。法蘭克福大學/美因河畔分校Ingo Marzi 教授牽頭。

6、“稀疏化學過程資料深度學習”專案是在化學工程中建立深度學習 (DL) 方法。DL 在異常分析、狀態預測、決策制定和自動化過程中開闢了新的途徑，生成開發此類方法所需的大型資料集。凱澤斯勞滕工業大學 Marius Kloft 教授牽頭。

7、高質量、高成本效益的生產需要複雜的工藝。由於必須進行實驗才能實現這一目標，因此到目前為止開發成本特別高，尤其是在使用新材料和新工藝、生產過程非常複雜或沒有成熟模型可用的情況下，系統地使用人工智慧有可能更便宜、更快、更高效。“基於人工智慧的快速升級不成熟生產流程的方法”專案將在該領域尋找全新的解決方案。卡爾斯魯厄大學 Jürgen Beyerer 教授牽頭。

8、“學習最佳影象資料感測器”專案目標是開發一種新的方法，用於聯合開發感測器系統和資料分析網路。錫根大學 Michael Möller 教授牽頭。獲 取 更多前沿科技研究 進展訪問： http://byteclicks.com