Zespoły badawcze

Grupa zajmuje się zapewnieniem prywatności i bezpieczeństwa w uczeniu maszynowym, wykorzystując techniki kryptograficzne (np. homomorficzne szyfrowanie, bezpieczne obliczenia wielostronne) oraz mechanizmy prywatności różnicowej.

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 i operacyjnym niezbędne jest dokładne zmapowanie i opisanie obszaru potencjalnych operacji, ze szczególnym uwzględnieniem obszarów niezurbanizowanych i leśnych. Zespół opracuje algorytmy AI do analizy pola walki i jego opisu analitycznego w przestrzeni od 2 do 3D. Zbudujemy 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 wiedzą leśną pozwolą na usprawnienie procesu podejmowania decyzji zarówno na poziomie taktycznym jak i operacyjnym, szczególnie w obszarach niezurbanizowanych i leśnych.

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.

W naszych badaniach chcemy, żeby roboty nie unikały dotyku, lecz wykorzystywały go do lepszego działania i rozumienia otoczenia. Skupiamy się na połączeniu wzroku i dotyku, by roboty mogły uczyć się fizyki świata, np. jak mocno coś chwycić czy jak chodzić po śliskiej powierzchni. Używamy do tego nowoczesnych technologii, takich jak uczenie maszynowe, wizja komputerowa i zaawansowane przetwarzanie sygnałów. Nasze rozwiązania implementujemy na fizycznych robotach. 

Zespół badawczy zajmuje się projektowaniem, budową oraz testowaniem zaawansowanych systemów dronowych, zarówno pod kątem sprzętowym, jak i programowym. Skupiamy się na rozwiązaniach wykorzystujących heterogeniczne roje dronów, przeznaczonych do realizacji zdywersyfikowanych zadań. W naszych systemach implementujemy nowoczesne algorytmy sztucznej inteligencji, ze szczególnym uwzględnieniem technologii rzeczywistości wirtualnej i rozszerzonej, co znacząco ułatwia bezpieczną i intuicyjną interakcję człowiek–dron. Tworzone rozwiązania mają na celu rozwój efektywnych, autonomicznych systemów wspierających użytkowników w codziennych sytuacjach, ze szczególnym naciskiem na zastosowania poszukiwawczo-ratownicze oraz monitorowanie infrastruktury krytycznej.

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 modelowaniem rynków finansowych, łączy ekspertów z obszaru finansów, algorytmiki i sztucznej inteligencji, tworząc nowatorskie rozwiązania do analizy i predykcji zachowań ekonomicznych. Pod kierownictwemź prof. Piotra Sankowskiego i prof. Tomasza Trzcińskiego rozwija modele wykorzystujące uczenie maszynowe, deep learning i reinforcement learning. Celem zespołu jest opracowanie metod, które lepiej uchwycą dynamikę i niestacjonarność rynków oraz umożliwią interpretowalne prognozy. Zespół łączy podejście badawcze z praktycznym wpływem na rzeczywisty rynek.