Zespoły badawcze

Grupa zajmuje się nowoczesnymi metodami widzenia maszynowego opartymi na głębokim uczeniu. Pracuje nad różnymi zadaniami, takimi jak klasyfikacja obrazów, detekcja obiektów, segmentacja, generowanie obrazów oraz analiza z użyciem dużych modeli wizyjno-językowych. W badaniach skupia się na wyzwaniach związanych z adaptacją i transferem wiedzy, odpornością modeli, kontrolą generatywnych systemów oraz łączeniem informacji z różnych modalności. 

Zespół zajmuje się zastosowaniem metod sztucznej inteligencji do opracowania narzędzi wspomagających diagnostykę medyczną, bazujących na danych obrazowych (np. radiologicznych, histopatologicznych itp.). Jednym z głównych obszarów badań jest opracowanie algorytmu wspomagającego diagnostykę histopatologiczną chłoniaka. Techniczne kwestie obejmują zadania, takie jak: klasyfikacja (np. komórka nowotworowa vs komórka zdrowa), segmentacja (np. obszar nowotworu) oraz modelowanie określonych procesów (np. procesu różnicowania się komórek).

Zespół opracowuje algorytmy AI do analizy pola walki oraz wspierające podejmowanie decyzji w starciu z przeciwnikiem. Budujemy unikalne kompetencje wykorzystujące algorytmy sztucznej inteligencji do zwiększenia możliwości systemów BMS (tj. systemów zarządzania polem walki). Pracujemy nad zaawansowanymi technikami analizy danych, uczenia maszynowego, optymalizacji i teorii gier aby wykorzystać je do usprawnienia procesu podejmowania decyzji dowódczych zarówno na poziomie taktycznym jak i operacyjnym. Naszym celem jest uzyskanie statystycznie znacznie wyższej średniej skuteczności decyzyjnej w porównaniu z operatorem ludzkim, przy jednoczesnym minimalizowaniu ryzyka wystąpienia zdarzeń niepożądanych. 

W celu budowy rozwiązań wspierających działania w obszarze strategicznym, operacyjnym i taktycznym niezbędne jest dokładne zmapowanie i opisanie obszaru potencjalnych operacji. Zespół pracuje nad algorytmami AI do analizy pola walki i jego opisu analitycznego w przestrzeni od 2 do 3D. Budujemy unikalne rozwiązania m. in. cyfrowych bliźniaków, wykorzystujące algorytmy sztucznej inteligencji do zwiększenia możliwości systemów zarządzania polem walki (BMS). Zaawansowane techniki analizy danych i uczenia maszynowego, wraz z szeroką interdyscyplinarną wiedzą pozwolą na usprawnienie procesu podejmowania decyzji i wsparcie sił zbrojnych w budowaniu swojego potencjału obronnego.

Zespół pracuje nad nowoczesnymi technikami tworzenia obrazów 3D, szczególnie skupiając się na metodach NeRF i Gaussian Splatting. NeRF to sposób, który wykorzystuje sztuczną inteligencję do tworzenia realistycznych modeli 3D ze zdjęć. Działa dobrze, ale jego działanie jest powolne i wymaga dużo czasu. Z kolei Gaussian Splatting to nowsza metoda, która zamiast sieci neuronowych używa rozkładów (tzw. Gaussów) do opisania sceny. Dzięki temu działa dużo szybciej i łatwiej można edytować obiekty. Pozwala to na interaktywne zmiany podobne do tych, jakie wykonuje się na klasycznych modelach 3D. Zespół bada też, jak połączyć Gaussian Splatting z generatywnymi modelami AI, by mieć większą kontrolę nad wyglądem i jakością scen 3D. 

Zespół zajmuje się prowadzeniem badań związanych z analizą istniejących i potencjalnych przyszłych cyber zagrożeń, monitorowaniem ich trendów rozwojowych oraz opracowuje nowatorskie sposoby im przeciwdziałania. Do tego celu wykorzystywane są nowoczesne technologie i algorytmy w tym metody sztucznej inteligencji. Wśród realizowanych rozwiązań są inteligentne sposoby wykrywania podatności w oprogramowaniu oraz systemach teleinformatycznych, detekcji dezinformacji czy przeciwdziałania technikom ukrytej komunikacji.

W ramach badań nad grafowymi sieciami neuronowymi zespół rozwija architektury neuronowe kompresujące grafy do postaci wektorów liczb oraz syntezujące grafy. Metody te znajdują zastosowanie w chemii i farmacji, do modelowania relacji między związkami chemicznymi i generowania hipotetycznych związków chemicznych. W ramach badań nad wieloagentowym uczeniem ze wzmocnieniem zespół rozwija metody komunikacji w środowisku wieloagentowym. Metody te znajdują zastosowanie w optymalizacji sterowania systemami rozproszonymi, jak sieć energetyczna czy rój dronów. 

Zespół zajmuje się dużymi modelami językowymi (LLM), ich efektywnym trenowaniem i dostrajaniem. Badane są możliwości wykorzystywania wieloagentowego podejścia do rozwiązywania zadań, zoptymalizowanego tworzenia agentów oraz wykorzystania danych innych modalności, czyli obrazu i dźwięku. Istotnym elementem jest zapewnienie mechanizmów wprowadzania wielojęzyczności do modeli językowych. Zespół pracuje także nad ekstrakcją informacji z danych multimodalnych i ich analizą semantyczną przy wykorzystaniu modeli językowych.

Zespół zajmuje się prowadzeniem badań związanych z zastosowaniem sztucznej inteligencji w obszarze zdrowia psychicznego, w szczególności służących zrozumieniu doświadczeń neuroatypowych (m.in. osób z autyzmem) w oparciu o dane pierwszoosobowe. Zespół pracuje także nad wykorzystaniem dużych modeli językowych w terapii, badając interakcje agentów z człowiekiem pod kątem bioetycznym. 

Zespół badawczy zajmuje się prowadzeniem badań nad metodami automatycznej analizy danych oraz klasyfikacji treści w kontekście ochrony prywatności i zgodności z regulacjami prawnymi. W szczególności, badamy zastosowanie technik przetwarzania języka naturalnego (NLP) oraz innych metod do identyfikacji informacji wrażliwych oraz oceny ryzyka ich nieuprawnionego ujawnienia lub niewłaściwego wykorzystania. Kluczowe obszary badawcze grupy obejmują rozwój algorytmów do precyzyjnego wykrywania treści chronionych, analizę semantyczną dokumentów w celu określenia ich poziomu poufności oraz dostosowywanie procesów klasyfikacyjnych do zmieniających się regulacji.

Zespół zajmuje się wykorzystaniem zaawansowanych technik uczenia maszynowego do modelowania złożonych układów adaptacyjnych. Koncentrujemy się na wyzwaniach charakteryzujących się niskim stosunkiem sygnału do szumu, brakiem stacjonarności, oraz własnościami emergentnymi. W szczególności, zajmujemy się problemami o ograniczonych możliwościach przeprowadzenia kontrolowanego eksperymentu, takich jak prognozowanie pogody, optymalizacja i zarządzanie na rynku energii, wnioskowanie na rynkach finansowych, czy przewidywanie dynamiki informacji. Zespół łączy podejście badawcze z praktycznym wpływem na otaczającą rzeczywistość.

Zespół koncentruje się na analizie teoretycznej oraz badaniu wewnętrznych mechanizmów najnowocześniejszych modeli generatywnych. Analizujemy sposób, w jaki systemy te reprezentują i przetwarzają informacje, wykorzystując m.in. techniki mechanistycznej interpretowalności, by odkrywać nowe metody ich adaptacji i kontroli. Naszym celem jest przekucie tej wiedzy w odporne i transparentne rozwiązania znajdujące zastosowanie w różnych domenach takich jak wizja komputerowa, dźwięki czy nauki przyrodnicze.

Zespół zajmuje się bezpośrednim przekuwaniem wyników badań naukowych w praktyczne rozwiązania technologiczne. Naszym głównym celem jest dostarczanie dedykowanych systemów sztucznej inteligencji dla jednostek samorządu terytorialnego oraz administracji publicznej, co realnie podnosi poziom cyfryzacji kraju. W codziennej pracy integrujemy technologie przetwarzania języka naturalnego (NLP), widzenia komputerowego oraz badań operacyjnych, aby tworzyć narzędzia optymalizujące złożone procesy decyzyjne, automatyzujące analizę dokumentów i obrazu oraz wymiernie usprawniające codzienne funkcjonowanie instytucji publicznych. Działamy jako łącznik badań akademickich i realnych potrzeb biznesu.