ENFIELD: Europos Švyturys Patikimai ir Tvariai Dirbtinio Intelekto Plėtrai

Tikslas

Šis kvietimas skirtas mokslininkams, norintiems prisidėti prie dirbtinio intelekto (DI) mokslinių tyrimų pažangos Europoje, akcentuojant tvarumą, prisitaikymą prie aplinkos, žmogaus centravimą ir patikimumą. ENFIELD (European Lighthouse to Manifest Trustworthy and Green AI) projektas, finansuojamas pagal Horizon Europe programą, siekia sukurti bendradarbiavimo platformą mokslininkams iš visos Europos, skatindamas inovacijas DI srityje.

Kvietimo detalės

Atidarymo data: 2025 m. vasario 15 d.
Paraiškų teikimo terminas: 2025 m. balandžio 14 d., 17:00 (Briuselio laiku).
Projekto vykdymo trukmė: 2025 m. liepos 1 d. – 2026 m. gegužės 31 d. (3–6 mėn.).
Bendras finansavimas: 1 100 000 EUR.
Paraiškos teikiamos internetu:
🔗 Paraiškos forma

Kas gali dalyvauti?

Tinkami pareiškėjai

Doktorantai (PhD candidates): turintys oficialų studijų programos įrodymą.
Podoktorantai (Post-doc researchers): dirbantys universitete, mokslinių tyrimų centre ar įmonėje.
Vyresnieji tyrėjai (Senior researchers): dirbantys universitete, mokslinių tyrimų centre ar įmonėje.

Papildomos sąlygos

Galimos paraiškos ir grupėms: vienas doktorantas + vienas podoktorantas arba vyresnysis tyrėjas.
ENFIELD projekto partnerių organizacijų mokslininkai negali teikti paraiškų.
Pareiškėjai turi būti iš ES valstybių narių arba Horizon Europe asocijuotų šalių.

Finansavimas

Mėnesinė mobilumo išmoka: 2 400 EUR.
Maksimali suma per 6 mėn.: 14 400 EUR.
Finansavimas skiriamas tyrimams atlikti vienoje iš ENFIELD partnerių organizacijų.

Tematinės sritys ir užduotys

Mokslininkai gali rinktis tyrimų užduotis iš šių pagrindinių teminių sričių:

1. Tvarus DI (Green AI) 🌿

G-AI.1 – Tvarių DI metrikų kūrimas.
G-AI.2 – Fizika pagrįstas mašininis mokymasis.
G-AI.3 – Tvaraus DI politikos analizė.
G-AI.4 – Tvarūs generatyvūs kalbos modeliai.
G-AI.5 – Energiją taupantys dideli kalbos modeliai programinės įrangos kūrimui.
G-AI.6 – Pasaulio modeliavimas naudojant tvarų DI.
G-AI.7 – Daugiaveiksmis tvaraus DI bendradarbiavimas.

2. Prisitaikantis DI (Adaptive AI) 🔁

A-AI.1 – Prisitaikantis DI aplinkos stebėjimui.
A-AI.2 – Prisitaikantis DI multimedijai: duomenų suspaudimas ir realaus laiko pritaikymas.
A-AI.3 – Prisitaikantis DI ribotų išteklių aplinkose.
A-AI.4 – Dideli kalbos modeliai „ant krašto“ (Edge AI).
A-AI.5 – Prisitaikantis DI sveikatos priežiūros saugai ir atsparumui.
A-AI.6 – Prisitaikantis DI semantinei argumentacijai.
A-AI.7 – Didelės apimties biomedicininių objektų identifikacija ir sujungimas be mokymo duomenų.
A-AI.8 – Pagrindinių modelių optimizavimo algoritmai.
A-AI.9 – Vienmodalio ir daugiamodalio DI modelių atsparumas ir bendrinimas.

3. Žmogaus centrinis DI (Human-Centric AI) 👤

HC-AI.1 – Prognozuojamųjų modelių interpretavimas ir neapibrėžtumo valdymas.
HC-AI.2 – Interneto DI sistemų skaidrumo didinimas.
HC-AI.3 – Paaiškinamas DI fiziniuose ir cheminių procesų duomenų rinkiniuose.

4. Patikimas DI (Trustworthy AI) 🔐

T-AI.1 – DI sistemų saugumo ir atsparumo analizė.
T-AI.2 – DI sistemų privatumo užtikrinimas ir atitiktis teisės aktams.
T-AI.3 – Patikimas DI energijos paskirstymo srityje.
T-AI.4 – DI taikymas paskirstytose sistemose.
T-AI.5 – Paskirstytų DI sistemų patikimumo vertinimas.
T-AI.6 – Neuroninių signalų vertimas į kalbą komunikacijos atkūrimui.
T-AI.7 – Saugi balso biometrija su suklastoto balso aptikimu.

5. Energijos valdymas (Energy) ⚡

VE.1 – AI ir LLM integracija sąveikai su sudėtingais duomenimis.
VE.2 – LLM pritaikymas duomenų užklausoms ir vizualizacijai.

6. Kosmosas (Space) 🪐

VS.1 – Sintetinių duomenų rinkinių kūrimas objektų aptikimui kilimo ir tūpimo takuose.
VS.2 – Neteisėto vandens naudojimo aptikimas pasitelkiant DI ir Žemės stebėjimo duomenis.
VS.3 – Žemės ūkio veiklos analizė naudojant priežastinio mokymosi metodus.

7. Gamyba (Manufacturing) 🏭

VM.1 – Nepriklausomos nuo konteksto kompiuterinės regos modeliai žmonių aptikimui.
VM.2 – Streso aptikimas operatorių darbo vietoje naudojant DI.

Paraiškų pateikimo tvarka 📝

Paraiškos teikiamos internetu užpildant elektroninę formą:
🔗 Paraiškos forma

Privalomi dokumentai:

Techninė priedas (Technical Annex) – šabloną rasite čia: Techninio priedo šablonas.
2 minučių trukmės vaizdo įrašas – kandidatas arba tyrėjų grupė turi prisistatyti anglų kalba ir apibūdinti siūlomą tyrimą.
Dokumentai, įrodantys statusą (PhD programos pažyma, darbdavio patvirtinimas ir kt.).

Vertinimo kriterijai

1. Pažanga nuo esamos būklės (Advanced state-of-the-art) (max 5 balai)

Kiek siūloma metodologija yra inovatyvi ir moksliškai pažangi.

2. Mokslinis požiūris (Scientific approach) (max 5 balai)

Ar metodologija yra aiški, struktūruota ir įgyvendinama.

3. Rezultatų sklaida ir komunikacija (Dissemination and communication) (max 5 balai)

Kaip planuojama dalintis tyrimų rezultatais: publikacijos, seminarai, konferencijos.

4. Techninės ir kūrybinės kompetencijos (Technical and creative capacities) (max 5 balai)

Tyrėjų komandos patirtis ir kvalifikacija, gebėjimas vykdyti siūlomas veiklas.

Maksimalus balų skaičius: 20
Minimalus balų skaičius atrankai: 12

Laukiamas poveikis 🎯

Pažanga dirbtinio intelekto srityje – inovatyvios metodikos ir modeliai.
Tvarumo užtikrinimas – DI taikymas energijos taupymui ir tvariai programinei įrangai.
Žmogaus teisių apsauga – patikimos ir etiškos DI technologijos vystymas.
Europos DI ekosistemos stiprinimas – bendradarbiavimo tinklų plėtra tarp mokslinių institucijų ir pramonės.

📩 Daugiau informacijos ir paraiškų teikimas:
🔗 Oficialus ENFIELD puslapis
📧 Kontaktai: info@enfield-project.eu