Grant cyflymydd IROHMS

Risg seiberddiogelwch mewn amgylcheddau gwaith sy'n newid o ganlyniad i gyfnod clo COVID-19

Mae'r prosiect hwn yn mynd i'r afael â'r risg gynyddol i seiberddiogelwch a gyflwynir gan newidiadau mewn amgylcheddau gwaith dros y tymor byr - a'r tymor hwy tebygol - oherwydd cyfnodau clo COVID-19.

Nod y prosiect yw deall y newidiadau yn ymddygiadau seiberddiogelwch gweithwyr i argymell sut y gellir eu cefnogi'n well gydag arferion gorau wrth weithio o bell, gan ystyried pwysau ychwanegol a geir herwydd gweithio gartref.

Mae'r prosiect yn cynnwys arolygon ar-lein a chyfweliadau unigol i archwilio:

• Arferion o dan y gwahanol gamau o gyfnod clo (y gorffennol a'r presennol)
• Newidiadau sy'n digwydd ers symud i amgylcheddau gwaith domestig
• Rhwystrau a heriau sy'n wynebu gweithwyr o bell
• Dulliau gweithio ymatebol sy’n gysylltiedig â diogelwch a risgiau y cânt eu hannog yn anfwriadol i'w cymryd.

Bydd yr astudiaeth yn llywio'r maes o ran risgiau ac yn rhoi cyfle i wneud canllawiau mwy gweithredadwy, sy’n seiliedig ar dystiolaeth ar gyfer cefnogi gweithio o bell sy’n digwydd yn eang.

Efelychiad Mewnol Cyflym o Wybodaeth (EMCW)

Mae EMCW yn helpu i wneud systemau peiriannau yn well wrth gyfleu eu bwriadau a'u rhesymu.

Mae angen cynyddol am AI esboniadol gan fod technegau dysgu peiriannol ar ffurf blwch du. Yn yr un modd, mae'n anodd deall y meddwl dynol. Os gellir ymddiried mewn bod dynol â phrosesau sy'n hanfodol i ddiogelwch, pan fydd y meddwl dynol hefyd yn cael ei ystyried yn flwch du, dylai peiriant allu ymddiried yn yr un broses. Ar hyn o bryd, mae diffyg offer i ganiatáu i beiriant esbonio ei benderfyniadau. Mae'r prosiect yn cynnig defnyddio efelychiadau i ddelweddu penderfyniadau a wneir gan systemau peiriannau, ynghyd â delweddu gweithredoedd peiriannau eraill; gellir dangos prosesau penderfynu, ac ychwanegu cynhyrchu iaith, i esbonio'r efelychiadau a'r penderfyniadau hyn.

Mae'r astudiaeth hon yn datblygu rhannau cyntaf y system trwy ddefnyddio efelychiadau syml i bennu ymateb robot. Bydd yn edrych ar wahanol fathau o adborth cyfranogwyr i bennu'r ffordd orau i robot esbonio ei weithredoedd.

XAI ac I

Mae'r prosiect hwn yn datblygu rhwydweithiau dysgu dwfn (DNNs) y gall bodau dynol eu deall trwy ddefnyddio cysyniadau y nodir eu bod yn ddealladwy i fodau dynol, fel rhan o'i broses ddysgu.

Mae hyn yn caniatáu cymhwyso DNNs i broblemau yn y byd go iawn lle mae angen dealltwriaeth ddynol o berfformiad DNN, yn hytrach na pherfformiad DNN da yn unig. Mae DNNs ac ymennydd dynol yn cael eu trin fel blychau du sydd angen deall ei gilydd i wella perfformiad y ddau. Rydym yn hyfforddi DNNs a bodau dynol ar yr un dasg ddysgu ac yn defnyddio eu perfformiad i draws-lywio dysgu a dealladwyedd y parth.

Mae dealltwriaeth ddynol o'r fath yn angenrheidiol ar gyfer gweithredu systemau cefnogi penderfyniadau ar sail DNN yn y byd go iawn. Mae hyn yn berthnasol i feysydd lle mae hyder mewn penderfyniadau yn hollbwysig (ee diogelwch, delweddu meddygol, rhagfynegiad ariannol, symudedd deallus ac ati).