HarmonicAI: Human-guided collAboRative Multi-Objective design of explaiNable, faIr and privaCy-preserving AI for digital health
HarmonicAI:用于数字健康的可解释、公平和保护隐私的人工智能的人类引导协作多目标设计
基本信息
- 批准号:EP/Z000041/1
- 负责人:
- 金额:$ 5.96万
- 依托单位:
- 依托单位国家:英国
- 项目类别:Research Grant
- 财政年份:2024
- 资助国家:英国
- 起止时间:2024 至 无数据
- 项目状态:未结题
- 来源:
- 关键词:
项目摘要
The ambitious vision of HarmonicAI is to build a human-machine collaborative multi-objective design framework to foster coherently explainable, fair and privacy-preserving AI for digital health. The framework will provide concrete technical and operational guidelines for AI practitioners to design human-centered, domain-specific, requirement-oriented trustworthy AI solutions, accelerating the scalable deployment of AI-powered digital health services and offering assurance to the public that AI in digital health is being developed and used in an ethical and trustworthy manner.The scope of HarmonicAI is multifaceted and multi-dimensional. An interdisciplinary and intersectoral approach is essential to address the various challenges of trustworthy AI. HarmonicAI draws together proven experts in AI, health care, IoT, data science, privacy, cyber security, software engineering, HCI and industrial design with an underlying common aim to design and develop innovative technologies and guidelines to resolve ethical issues with respect to fairness and data privacy, achieve transparency of AI models, and enhance safety and trust in the deployment of AI for digital health. Realising these complex goals demands a collective interdisciplinary, intersectoral, cross-border effort from a diverse variety of stakeholders including academia, industries and healthcare providers.
HarmonicAI 的雄心勃勃的愿景是构建一个人机协作多目标设计框架,以促进数字健康领域连贯可解释、公平且保护隐私的人工智能。该框架将为人工智能从业者提供具体的技术和操作指南,以设计以人为本、针对特定领域、以需求为导向的值得信赖的人工智能解决方案,加速人工智能驱动的数字医疗服务的可扩展部署,并向公众保证人工智能在数字医疗领域的应用。健康正在以道德和值得信赖的方式开发和使用。 HarmonicAI 的范围是多方面、多维度的。跨学科和跨部门的方法对于解决可信人工智能的各种挑战至关重要。 HarmonicAI 汇集了人工智能、医疗保健、物联网、数据科学、隐私、网络安全、软件工程、人机交互和工业设计领域的知名专家,其共同目标是设计和开发创新技术和指南,以解决公平和公正方面的道德问题。数据隐私,实现人工智能模型的透明度,并增强数字健康领域人工智能部署的安全性和信任度。实现这些复杂的目标需要学术界、工业界和医疗保健提供者等不同利益相关者的跨学科、跨部门、跨国界的共同努力。
项目成果
期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
Nauman Aslam其他文献
A Unified Deep Metric Representation for Mesh Saliency Detection and Non-Rigid Shape Matching
- DOI:
10.1109/tmm.2019.2952983 - 发表时间:
2020-09-01 - 期刊:
- 影响因子:7.3
- 作者:
Shanfeng Hu;Hubert P. H. Shum;Nauman Aslam;Frederick W. B. Li;Xiaohui Liang - 通讯作者:
Xiaohui Liang
Heart Rate Anomaly Detection Using Contractive Autoencoder for Smartwatch-Based Health Monitoring
使用收缩自动编码器进行心率异常检测以进行基于智能手表的健康监测
- DOI:
10.1109/skima59232.2023.10387334 - 发表时间:
2023-12-08 - 期刊:
- 影响因子:0
- 作者:
Keerthana Mannarapparambil Sivan;Shanfeng Hu;Nauman Aslam;Xiaomin Chen;P. Sureephong;S. Wongsila;Sabeela Q. Ahmed - 通讯作者:
Sabeela Q. Ahmed
Multi-agent deep reinforcement learning-based trajectory planning for multi-UAV assisted mobile edge computing
基于多智能体深度强化学习的多无人机辅助移动边缘计算轨迹规划
- DOI:
- 发表时间:
2021 - 期刊:
- 影响因子:8.6
- 作者:
Liang Wang;Kezhi Wang;Cunhua Pan;Wei Xu;Nauman Aslam;Lajos Hanzo - 通讯作者:
Lajos Hanzo
Optimal Electric Vehicle Charging for Solar-Wind Powered Car Park
- DOI:
10.1109/swc57546.2023.10448563 - 发表时间:
2023-08-28 - 期刊:
- 影响因子:0
- 作者:
Yuhao Ma;Xuewu Dai;Jing Jiang;Richard Kotter;Nauman Aslam - 通讯作者:
Nauman Aslam
Toward Efficient, Scalable, and Coordinated On-the-Move EV Charging Management
实现高效、可扩展和协调的移动电动汽车充电管理
- DOI:
10.1109/mwc.2017.1600254wc - 发表时间:
2017-04-01 - 期刊:
- 影响因子:12.9
- 作者:
Yue Cao;Omprakash Kaiwartya;Ran Wang;Tao Jiang;Yang Cao;Nauman Aslam;G. Sexton - 通讯作者:
G. Sexton
Nauman Aslam的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('Nauman Aslam', 18)}}的其他基金
EVOLVE: Electric Vehicles Point Location Optimisation via Vehicular Communications
EVOLVE:通过车辆通信优化电动汽车点位置
- 批准号:
EP/X039900/1 - 财政年份:2023
- 资助金额:
$ 5.96万 - 项目类别:
Research Grant
相似国自然基金
人类ZBP1诱发细胞死亡和炎症反应的机制研究
- 批准号:32370798
- 批准年份:2023
- 资助金额:50 万元
- 项目类别:面上项目
人类活动重点排放源的高时空分辨率表征方法研究
- 批准号:42375094
- 批准年份:2023
- 资助金额:51 万元
- 项目类别:面上项目
人类活动引起的河流微生物同质化及其对微生物群落稳定性的影响
- 批准号:32371613
- 批准年份:2023
- 资助金额:50 万元
- 项目类别:面上项目
耦合人类与自然系统的曲面模型研究
- 批准号:42330707
- 批准年份:2023
- 资助金额:232 万元
- 项目类别:重点项目
长江三角洲平原中全新世泥炭沼泽演化与人类生业模式响应研究
- 批准号:42371013
- 批准年份:2023
- 资助金额:47 万元
- 项目类别:面上项目
相似海外基金
HarmonicAI: Human-guided collaborative multi-objective design of explainable, fair and privacy-preserving AI for digital health
HarmonicAI:用于数字健康的可解释、公平和隐私保护人工智能的人工引导协作多目标设计
- 批准号:
EP/Y03743X/1 - 财政年份:2024
- 资助金额:
$ 5.96万 - 项目类别:
Research Grant
HarmonicAI: Human-guided collaborative multi-objective design of explainable, fair and privacy-preserving AI for digital health
HarmonicAI:用于数字健康的可解释、公平和隐私保护人工智能的人工引导协作多目标设计
- 批准号:
EP/Z000262/1 - 财政年份:2024
- 资助金额:
$ 5.96万 - 项目类别:
Research Grant
HarmonicAI: Human-guided collaborative multi-objective design of explainable, fair and privacy-preserving AI for digital health
HarmonicAI:用于数字健康的可解释、公平和隐私保护人工智能的人工引导协作多目标设计
- 批准号:
EP/Y037367/1 - 财政年份:2024
- 资助金额:
$ 5.96万 - 项目类别:
Research Grant
Toward Human-guided Safe Reinforcement Learning in the Real World
在现实世界中实现人类引导的安全强化学习
- 批准号:
DP240102349 - 财政年份:2024
- 资助金额:
$ 5.96万 - 项目类别:
Discovery Projects
Pre-clinical Bruker Albira Si PET/SPECT/CT imaging system
临床前 Bruker Albira Si PET/SPECT/CT 成像系统
- 批准号:
10633022 - 财政年份:2023
- 资助金额:
$ 5.96万 - 项目类别: