Maskinlæring (ML) er en avgjørende komponent i kunstig intelligens (KI) og en drivkraft i vår stadig mer digitale, datadrevne verden. Imidlertid står moderne ML overfor betydelige utfordringer i form av mangel på åpenhet og forklarbarhet, urettferdighet, utilstrekkelig kvantifisering av usikkerhet og høye energikrav. Integreat, det nye norske senteret for kunnskapsdrevet maskinlæring, bidrar til transformasjonen av ML ved å utvikle teorier, metoder, modeller og algoritmer som integrerer generell og domenespesifikk kunnskap med data. Ved å kombinere statistikk, logikk og ML på unike måter, vil Integreat produsere løsninger som er mer nøyaktige, bærekraftige, rettferdige og forklarbare, og tar hensyn til usikkerhet.
Kunnskap innebærer forståelse og representasjon på et høyere nivå av fakta, mekanismer, relasjoner og strukturer til objektet, systemet eller domenet for studien, så vel som av de datagenererende mekanismene og måleprosedyrene. Kunnskap kan være «hard» og representert ved hjelp av deterministiske rammer, som logiske formler, ontologier, årsaksdiagrammer og hierarkiske modeller og relasjoner; eller kunnskap kan være «myk», representert ved bruk av stokastiske og sannsynlige mekanismer, som assosiasjoner, potensielle koblinger, sannsynlighetsmodeller eller bare ekspertuttalelser i tekstform.
Kunnskap i begge disse formene er utbredt på alle områder av vitenskap og samfunn, men å innlemme den i ML på en direkte, transparent og effektiv måte er ekstremt utfordrende. For å teste og validere resultatene deres, samarbeider Integreat med forskere og organisasjoner om problemer i den virkelige verden, noe som vil gi varige fordeler for vitenskapen og samfunnet. Med verdensledende forskere, unge talenter og fremtredende internasjonale forskere vil Integreat forme det nye feltet kunnskapsdrevet ML i Norge.