DesCartes 项目（工作包 1）正在寻找一位机器学习与形式方法的研究员，负责为 AI 系统开发可解释性引擎，例如，通过生成可以根据最终用户需求进行调整的有意义的解释。
目标是理解 AI 系统在某些超属性（安全性、公平性、隐私等）方面的行为，重点是利用物理知识来改善解释。
DESCARTES 项目
DesCartes 项目正在开发一种混合 AI，结合学习、知识和推理，具备良好的特性（对资源和数据需求较少、安全性、稳健性、公平性、尊重隐私、伦理），并在智能城市的工业应用（数字能源、结构监测、空中交通控制）中得到了证明。
该项目汇聚了 80 名常驻研究人员（法国与新加坡各占一半），并得到了大型工业集团（Thales SG、EDF SG、ESI 集团、CETIM Matcor、ARIA 等）的支持。
研究主要在新加坡的 CNRS@CREATE 进行，提供有竞争力的薪资和慷慨的任务资金。
在此了解更多关于 DesCartes 项目的信息。
描述
为了为下一代城市系统提供决策能力，我们需要对 AI 系统所做的决策充满信心。
DesCartes 的目标之一是建立和增强对 AI 系统的信心的核心能力。
对 AI 技术的更高保证或信心将来自可解释性，以及对 AI 系统进行形式验证和自动修复，以满足稳健性或公平性等关键超属性。将开发更广泛的混合 AI 系统概念，其中机器学习模型与软件系统和/或物理模型合作，为验证和修复架构技术解决方案提供更大的灵活性，这将在具体的网络物理系统上进行演示。
经验与资格
最低要求：
– 计算机科学博士学位。
– 具有形式方法的背景和研究经验。
– 编程环境的经验。
关键词：
• 研究，
• 可解释性，
• XAI，
• 理论计算机科学，
• 计算机科学中的逻辑，
• 算法，
• 人机交互，
• 计算机科学，
• 人工智能，
• 机器学习，
• CPS
更多信息与联系方式
薪资范围：6900-9000（根据适合性和经验而定）
工作地点：CREATE Tower（新加坡国立大学校园），1 Create Way #08-01 Singapore 138602
请发送简短的求职信，描述您适合该职位的理由，详细的简历（如有）和出版物列表，简明的研究兴趣和未来计划描述，以及学术成绩单至：
Abhik Roychoudhury（教授）
abhik@comp.nus.edu.sg
Blaise Genest（教授）
blaise.genest@cnrsatcreate.sg
我们将立即开始审核申请。 
Singapore