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:

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.