El Aprendizaje Automático Algebraico (AML) se ha propuesto recientemente como un nuevo paradigma de aprendizaje que se basa en el Álgebra Abstracta, el Modelo Teoría. A diferencia de otros algoritmos de aprendizaje populares, AML no es un método estadístico, sino que produce modelos generalizadores a partir de la semántica incrustaciones de datos en estructuras algebraicas discretas, con las siguientes propiedades:
- P1: Es mucho menos sensible a las características estadísticas de los datos de entrenamiento y no ajusta (ni siquiera utiliza) parámetros.
- P2: Tiene el potencial de integrar sin fisuras la información compleja y no estructurada contenida en los datos de formación, con una representación formal de los conocimientos humanos y los requisitos. del conocimiento y las necesidades humanas;
- P3. Utiliza representaciones internas basadas en conjuntos discretos y grafos, lo que ofrece un buen punto de partida para generar humanos comprensibles, descripciones de qué, por qué y cómo se ha aprendido
- P4. Puede aplicarse de forma distribuida, evitando las recopilaciones centralizadas de grandes conjuntos de datos que vulneran la intimidad, en favor de un sistema de gestión de la información. colaboración de muchos aprendices locales a nivel de representaciones parciales aprendidas.
El objetivo del proyecto es aprovechar las propiedades anteriores de AML para una nueva generación de sistemas de aprendizaje automático interactivos y centrados en el ser humano. interactivos centrados en el ser humano:
- Reducir el sesgo y prevenir la discriminación reduciendo la dependencia de las propiedades estadísticas de los datos de entrenamiento (P1), integrando el conocimiento humano con las restricciones (P2) y explorando el cómo y el porqué del proceso de aprendizaje (P3). humano con restricciones (P2) y explorando el cómo y el porqué del proceso de aprendizaje (P3).
- Facilitar la confianza y la fiabilidad respetando las limitaciones «duras» definidas por el ser humano en el proceso de aprendizaje (P2) y mejorando explicabilidad del proceso de aprendizaje (P3)
- Integrar restricciones éticas complejas en los sistemas de IA humana yendo más allá de la prevención básica de los prejuicios y la discriminación (P2) para dar forma interactiva a la ética relacionada con el proceso de aprendizaje entre los humanos y el sistema de IA (P3)
- Facilitar un nuevo método de aprendizaje colaborativo distribuido e incremental superando el enfoque dominante de procesamiento de datos centralizado y fuera de línea (P4). de procesamiento de datos (P4)