Projektbeschreibung
Hybride kollektive Intelligenz zur Entscheidungshilfe für die medizinische Diagnostik und Klimadienstleistungen.
Das EU-finanzierte Projekt HACID entwickelt eine hybride kollektive Intelligenz, die auf der Synergie zwischen Menschen und Maschinen aufbauen wird, um Lösungen für reale offene Probleme zu finden. Die Lösungen sollen nicht an eine begrenzte Anzahl von Alternativen gebunden sein und sich auf viele unterschiedliche Wissensbereiche erstrecken. HACID wird einen neuen Ansatz untersuchen, der menschliche Expertise und KI-gestützte Wissensrepräsentation kombiniert, um neue Instrumente zur Entscheidungshilfe zu schaffen. Die Forschenden werden zwei Fallstudien durchführen. In der ersten wird die Wissensfragmentierung in der Medizin behandelt, um medizinischen Fachkräften letztlich genauere Diagnosen zu ermöglichen. Die Ergebnisse der zweiten Studie werden Verantwortliche der Politik dabei unterstützen, städtische Anpassungsstrategien zu gestalten, um künftigen Auswirkungen des Klimawandels besser begegnen zu können.
Ziel
HACID develops a novel hybrid collective intelligence for decision support to professionals facing complex open-ended problems, promoting engagement, fairness and trust. A decision support system (HACID-DSS) is proposed that is based on structured domain knowledge, semi-automatically assembled in a domain knowledge graph (DKG) from available data sources, such as scientific and gray literature. Given a specific case within the addressed domain, a pool of experts is consulted to (i) extract supporting evidence and enrich it, generating a case knowledge graph (CKG) as a subset of the DKG, and (ii) provide one or more solutions to the problem. Exploiting the CKG, the HACID-DSS gathers the expert advice in a collective solution that aggregates the individual opinions and expands them with machine-generated suggestions. In this way, HACID harnesses the wisdom of the crowd in open-ended problems, relying on a traceable process based on supporting evidence for better explainability. A set of evaluation methods is proposed to deal with domains where ground truth is not available, demonstrating the suitability of the proposed approach in a wide range of application domains. Demonstrations are provided in two compelling case studies contributing to the UN Sustainable Development Goals: crowd-sourcing medical diagnostics and climate services for urban adaptation.
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
HORIZON-CL4-2021-DIGITAL-EMERGING-01
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-IA - HORIZON Innovation ActionsKoordinator
00185 Roma
Italien