某机构与南加州大学可信机器学习中心遴选六个新研究项目
由某机构与南加州大学于2021年1月联合成立的"安全可信机器学习中心"，近日宣布遴选出来自教职人员与学术研究员的六个2023-2024年度研究项目。该中心致力于支持机器学习隐私、安全与可信性的基础研究方法创新，本次入选项目包括四个教职人员课题和两个由某机构机器学习研究员主导的学术课题。
教职人员研究项目
-
Salman Avestimehr（电子工程与计算机科学教授）
课题：《通过自监督与混合监督推进持续与联邦学习》
研究目标：在分布式学习环境的数据异构性和隐私约束下，采用两种不同方法更好地利用未标注数据。 -
Muhao Chen（计算机科学研究助理教授）
课题：《基于结构感知等变学习的鲁棒（可控）自然语言生成》
研究重点：通过新型结构等变学习框架，解决预训练序列到序列模型在可控自然语言生成中的应用挑战。 -
Lars Lindemann与Soutirini Chattpadhyay（计算机科学助理教授）
课题：《仍不信任？构建可信AI代码生成框架》
研究方案：提出将用户预期行为分解为代码建议序列的新框架，并通过动态适配机制维持信任度。 -
Konstantinos Psounis（电子工程与计算机科学教授）
课题：《带摄像头的语音助手私有标注与学习》
技术方向：采用多种方法实现并维持用户视频数据的隐私保护。
学术研究员项目
-
Brihi Joshi（计算机科学博士研究生）
研究重点：受人类交互模式启发，将以人为本的可解释性融入NLP系统，并跨学科借鉴相关洞察。 -
Fei Wang（计算机科学博士候选人）
研究目标：基于自然语言处理与机器学习技术，构建鲁棒、可控、可问责的大语言模型系统。
该中心主任表示：“生成式AI近期引发了对人工智能社会影响的深度思考。三年前中心成立时关注的隐私、安全、可信性和所有权等问题，如今正获得前所未有的关注。”