Artificial Intelligence Computing Core Facility
Tematyka badawcza obejmuje przede wszystkim domeny I i IV DigiWorld, czyli badania podstawowe i stosowane w dziedzinie uczenia maszynowego (ML) i sztucznej inteligencji (AI) oraz zastosowania do modelowania i analizy wielkich zbiorów danych neuronalnych, na potrzeby neurokognitywistyki i medycyny.
Wyróżnikiem proponowanej tematyki jest inspirowanie się przy tworzeniu algorytmów i nowych architektur AI, realnymi, biologicznymi sieciami neuronalnymi.
Historycznie, model sieci neuronowych, jako jeden z modeli ML, powstał w oparciu o analogie biologiczne. Jednak eksponencjalny rozwój możliwości komputerowych w ciągu ostatnich 3 dekad sprawił, że stosowane modele ML odeszły od pierwotnych źródeł i doszły prawie do granic swoich możliwości przetwarzania (niektóre algorytmy wymagają setek miliardów parametrów). Pokonanie tej tamy wymaga stworzenia nowych paradygmatów uczenia maszynowego. Nieoczekiwaną inspiracją jest bardzo szybki rozwój tzw. neuronauki - interdyscyplinarnej dziedziny leżącej na pograniczu wiedzy medycznej, biologicznej, biochemicznej, biofizycznej, informatycznej, psychologicznej i obliczeniowej. W szczególności, nowe metody badania mózgu (funkcjonalny rezonans magnetyczny, wielokanałowa elektro- i magnetoencefalografia, optogenetyka) dają nam dostęp do coraz lepszego rozumienia mózgu jako skomplikowanej struktury hiper-sieci, zarówno anatomicznej (konektom) jak i funkcjonalnej.
Pierwszym celem działania projetu Artificial Intelligence Computing Core Facility będzie więc analiza wysokopoziomowych zachowań systemów neuronalnych i na tej podstawie budowa nowych modeli sieci neuronowych wraz z zaproponowaniem nowych paradygmatów i modeli obliczeniowych. W tym celu chcemy stworzyć interdyscyplinarny zespół będący w stanie włożyć wiedzę ekspercką z każdej z wymienionych dziedzin. W szczególności zespół chce skupić się nad problemami lepszej reprezentacji wiedzy, przyspieszania uczenia, zastosowania metod uczenia w reprezentacji dynamicznych zmian w mózgu, analizy obrazowania mózgu, próby wykorzystania mniej dotąd stosowanych modeli, wyszukiwania ukrytych, nieliniowych korelacji pomiędzy różnymi obszarami mózgu. Te zadania chcemy realizować zarówno przez budowę nowych algorytmów i modeli w sieciach sztucznych czy zastosowanie uczenia maszynowego w analizie Big Data pochodzących z eksperymentów, ale jednocześnie przez badania teoretyczne i edukacyjne.
W szczególności zajmiemy się:
- wykorzystaniem wiedzy neurobiologicznej w budowie klasycznych modeli sieci neuronowych,mapowaniem
- wiedzy z teorii sztucznych sieci neuronowych na sieci naturalne, by zintegrować te pola działań
- naukowych,rozwojem wszelkich typów sztucznych sieci neuronowych, zarówno już wykorzystywanych jak i sieci typu spiking w nowych zadaniach.
Drugim, niejako zwrotnym celem jest wykorzystanie naszych metod do lepszego zrozumienia działania mózgu. Nie zamierzamy ograniczyć się do badań podstawowych - w szczególności planujemy zastosowanie naszych metod do analizy i wspomagania diagnostyki medycznej w wielkich zbiorach danych mózgowych zebranych od pacjentów cierpiących na różnego rodzaju ciężkie schorzenia neurodegeneracyjne.
Fundamentalnym, długofalowym celem jest stworzenie silnego naukowego, interdyscyplinarnego i międzywydziałowego Centrum na UJ w dziedzinie badań i zastosowań ML i AI i zapewnienie dyscyplinom informatyka i informatyka techniczna wiodącej pozycji naukowej.