I.3.1. Transfer wiedzy i meta-uczenie

Realizacja celu IDUB

• I. Zwiększenie wpływu działalności naukowej uczelni na rozwój światowej nauki

Nazwa POB/Grupy działań

• III. Wyzwanie petabajtów. Narzędzia zaawansowanej matematyki i informatyki w analizach wielkich zbiorów danych – od losowych procesów na giełdzie po diagnostykę medyczną.

Opis działania

Cele

Stworzenie zespołu badawczego zorientowanego na rozwiązanie problemów w następujących obszarach badawczych:

1. Transfer wiedzy w obszarze przetwarzania obrazów — Stworzone dotychczas modele, wyuczane na konkretnych zestawach zdjęć treningowych, nie pozwalają na poprawne oszacowanie niepewności przewidywań dla innego rozkładu danych testowych. Naszym celem jest zaproponowanie lepszego mechanizmu szacowania takiej niepewności, a także budowa modelu, który pozwalałby na rozpoznawanie obiektów w sposób uniwersalny, co jest kluczową kwestią dla rozwoju tzw. percepcji w robotyce.
2. Transfer wiedzy w obszarze robotyki, ze szczególnym uwzględnieniem manipulacji i sterowania dronami — Roboty przemysłowe potrafią wykonywać bardzo szybko i precyzyjnie powtarzalne ruchy. Głównym wyzwaniem współczesnej robotyki jest opracowanie metodologii umożliwiającej wykonywanie przez roboty zadań w środowiskach o zwiększonej różnorodności. Przykłady takich zadań to sterowanie dronem w nowej przestrzeni, czy podnoszenie wcześniej niewidzianych przedmiotów z wcześniej niewidzianego pojemnika.
3. Meta-uczenie w obszarze uczenia ze wzmacnianiem — Metody takie jak Deep Q Learning (DQN) czy Asynchronous Advantage Actor Critic (A3C) umożliwiają wyuczenie strategii postępowania agenta w pojedynczych środowiskach, takich jak symulatory czy gry komputerowe. Naszym celem jest budowa narzędzi pozwalających na przenoszenie strategii pomiędzy różnymi środowiskami, przy dopuszczeniu możliwości krótkiego „douczania” za pomocą techniki meta-uczenia.

Uzasadnienie

W ostatnich latach byliśmy świadkami wielu przełomowych odkryć w dziedzinie sztucznej inteligencji, których dokonanie stało się możliwe dzięki zastosowaniu głębokich sieci neuronowych. Korzystając z tej wiedzy chcemy skupić się na jednym z najbardziej palących wyzwań sztucznej inteligencji, którym jest przenoszenie wiedzy i doświadczenia zdobytego przez wytrenowany model pomiędzy różnymi obszarami zastosowań.

Zadania, ewentualnie projekty w ramach zadań

Utworzenie nowego laboratorium robotycznego, w którym będą prowadzone badania w zakresie uczenia robotów. Laboratorium będzie kierował laureat grantu European Research Council (ERC) – dr hab. Marek Cygan.

Oprócz prowadzenia własnych badań, Laboratorium zaoferuje, wyłonionym w trybie konkursowym zewnętrznym współpracownikom, specjalne pakiety umożliwiające dostęp do posiadanej infrastruktury (roboty, serwery), sfinansowanie wyjazdów naukowych oraz zakup licencji niezbędnego oprogramowania.

Osiągnięcie celów działania I.3.1: będziemy realizować poprzez:

• zatrudnienie, w drodze otwartych konkursów, pracowników na stanowiska naukowe oraz techniczne (programiści),
• nawiązywanie i rozwój współpracy międzynarodowej z wiodącymi ośrodkami badawczymi w dziedzinie (program wizyt dwustronnych),
• finansowanie udziału członków grupy w konferencjach, szkołach i warsztatach tematycznych,
• zakup niezbędnej aparatury badawczej takiej jak manipulatory i serwery obliczeniowe.

Jednostka koordynująca działanie

• Wydział Matematyki, Informatyki i Mechaniki

Jednostki zaangażowane w realizację działania

• Wydział Matematyki, Informatyki i Mechaniki