NWA-ORC kent 1,9 miljoen euro toe aan dr. Arianna Bisazza en consortium voor onderzoeksproject “Zwarte dozen uit de diepte: hoe wij kunstmatige intelligentie kunnen begrijpen en verbeteren”

21 consortia gaan in teamverband aan de slag met interdisciplinair onderzoek waarmee wetenschappelijke en maatschappelijke doorbraken binnen bereik komen. In de projecten werken de gehele kennisketen en maatschappelijke organisaties, zowel publieke als private partijen, nauw samen. De projecten krijgen financiering in de tweede ronde binnen het programma van de Nationale Wetenschapsagenda: Onderzoek op Routes door Consortia (NWA-ORC).

In totaal is ruim 93 miljoen euro beschikbaar. Daarvan is 81 miljoen euro afkomstig uit de Nationale Wetenschapsagenda, 12 miljoen wordt medegefinancierd door de (internationale) consortiapartners.

Over het project

Deep learning maakt AI-modellen van hoge kwaliteit die significante impact hebben op individuen, bedrijven en maatschappij. Nieuwe verantwoordelijkheden en vragen komen op, maar de slechte interpreteerbaarheid van deep learning is een serieus probleem. Het consortium bestudeert met het onderzoek: “Zwarte dozen uit de diepte: hoe wij kunstmatige intelligentie kunnen begrijpen en verbeteren” hoe deep learning inzichtelijk gemaakt kan worden en ‘uitlegbaar’ voor spraak, tekst en muziek.

Het consortium, onder leiding van Jelle Zuidema (UvA), bestaat uit de Universiteit van Amsterdam, Tilburg University, de Rijksuniversiteit Groningen, VU Amsterdam, Radboud Universiteit, Textkernel, Floodtags, GlobalTextware, TNO, KPN, Deloitte, Algent, Chordify, Stichting Open Spraaktechnologie, Waag, muZIEum en Huggingface.

Over dr. Arianna Bisazza
dr. Arianna Bisazza is sinds september 2016 werkzaam als assistent-professor computationele linguïstiek bij het Centre for Language and Cognition (CLCG) van de Rijksuniversiteit Groningen en laureaat van de VENI. Haar onderzoek focust zich in het bijzonder op het identificeren van intrinsieke beperkingen van de huidige vertaal- en taalmodelleringsparadigma's, en op het ontwerpen van robuuste Natural Language Processing algoritmes die zich kunnen aanpassen aan een breed scala van wereldtalen.