Die Europäische Kommission hat eine Finanzierungsmöglichkeit mit dem Titel "Enhanced Learning Strategies for General Purpose AI: Advancing GenAI4EU" angekündigt, die darauf abzielt, General Purpose AI (GPAI)-Modelle über die derzeitigen Fähigkeiten hinaus zu verbessern. Bestehende groß angelegte KI-Modelle sind zwar bei Aufgaben wie der Verarbeitung natürlicher Sprache und der Bilderzeugung überragend, stehen aber vor Herausforderungen in Bezug auf Anpassungsfähigkeit, komplexe Schlussfolgerungen und Selbsterkenntnis der Grenzen. Dieser Aufruf zielt darauf ab, GPAI-Modelle zu entwickeln, die selbstüberwachtes Lernen mit ergänzenden Strategien wie hybrides Lernen, aktives Lernen, Verstärkungslernen, relationales Lernen, kontinuierliches Lernen, evolutionäres Lernen und physikbasiertes Lernen integrieren. Ziel ist es, robuste, anpassungsfähige KI-Systeme zu entwickeln, die in der Lage sind, formale Schlussfolgerungen zu ziehen, mathematische Probleme zu lösen, das Vertrauen in die eigenen Fähigkeiten abzuschätzen, langfristig zu planen und sich nahtlos an dynamische Umgebungen anzupassen.

Die Vorschläge sollten sich auf mindestens einen der folgenden Forschungsbereiche konzentrieren:

• Hybride Lernarchitekturen für fortgeschrittenes logisches Denken: Die Kombination von selbstüberwachtem Lernen mit symbolischem Denken und neurosymbolischen Methoden zur Verbesserung des logischen Denkens und der Problemlösungsfähigkeiten.
• Kontinuierliches und evolutionäres Lernen für dynamische Umgebungen: Ermöglicht es GPAI-Modellen, sich an veränderte Bedingungen anzupassen und aus ihnen zu lernen, um so wichtiges Wissen für den realen Betrieb zu erhalten.
• Integration von Reinforcement Learning: Verschmelzung von selbstüberwachtem Lernen mit Reinforcement Learning, um Herausforderungen wie nicht-stationäre Daten und Rechenkosten zu bewältigen.
• Erklärbare KI und vertrauenswürdige Entscheidungsfindung: Einbeziehung erklärbarer KI-Methoden, einschließlich kausaler Schlussfolgerungen und kontrafaktischer Argumentation, zur Verbesserung von Transparenz und Verantwortlichkeit.
• Andere neuartige Paradigmen: Erforschung von Kombinationen aus selbstüberwachtem Lernen mit Paradigmen wie aktivem Lernen, relationalem Lernen und verkörpertem Lernen, um GPAI-Modelle mit erweiterten Fähigkeiten auszustatten.

Die Projekte sollten ein Gleichgewicht zwischen theoretischen Fortschritten und praktischen Anwendungen herstellen und mit den europäischen Werten und Grundsätzen, einschließlich des AI Act, übereinstimmen. Die Forschung soll sich auf Sektoren wie fortschrittliche Robotik, personalisierte Medizin, Mobilität, Fertigung, nachhaltige Energielösungen und wissenschaftliche Forschung auswirken. Interdisziplinäre Zusammenarbeit ist erwünscht, um umfassende Bewertungen und eine reaktionsschnelle Entwicklung von Tools zu gewährleisten. Die Vorschläge müssen sich an die Open-Science-Praktiken von Horizon Europe halten, d.h. sie müssen freien Zugang zu den Forschungsergebnissen bieten, es sei denn, es liegen berechtigte Gründe vor. Mechanismen zur Bewertung des Fortschritts, einschließlich qualitativer und quantitativer KPIs, Benchmarking und Fortschrittsüberwachung, sollten integriert werden. Die Ergebnisse sollten über Plattformen wie die AI-on-Demand-Plattform mit der europäischen F&E-Gemeinschaft geteilt werden, um das europäische KI-, Daten- und Robotik-Ökosystem zu stärken. Eine Zusammenarbeit mit bestehenden Projekten und Synergien mit anderen europäischen, nationalen oder regionalen Initiativen wird ebenfalls erwartet.

Eröffnung: 10 Jun 2025

Deadline(s): 02 Okt 2025