Nalaganje ...
Projekti / Programi vir: ARIS

Umetna inteligenca in inteligentni sistemi

Obdobja
Raziskovalna dejavnost

Koda Veda Področje Podpodročje
2.07.00  Tehnika  Računalništvo in informatika   
2.06.00  Tehnika  Sistemi in kibernetika   
1.07.00  Naravoslovje  Računalniško intenzivne metode in aplikacije   
2.10.00  Tehnika  Proizvodne tehnologije in sistemi   

Koda Veda Področje
P170  Naravoslovno-matematične vede  Računalništvo, numerična analiza, sistemi, kontrola 

Koda Veda Področje
1.02  Naravoslovne vede  Računalništvo in informatika 
Ključne besede
umetna inteligenca, strojno učenje, odkrivanje zakonitosti v podatkih, bioinformatika, vizualizacija podatkov, evolucijsko računanje, kvalitativno modeliranje, aplikacije umetne inteligence,
Vrednotenje (pravilnik)
vir: COBISS
Raziskovalci (45)
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacijŠtev. publikacij
1.  20242  dr. Andraž Bežek  Računalništvo in informatika  Raziskovalec  2009 - 2013  25 
2.  28779  dr. Zoran Bosnić  Računalništvo in informatika  Raziskovalec  2009 - 2014  214 
3.  24287  dr. Andrej Bratko  Računalništvo in informatika  Mladi raziskovalec  2009  13 
4.  02275  dr. Ivan Bratko  Računalništvo in informatika  Vodja  2009 - 2014  743 
5.  36469  dr. Niko Colnerič  Računalništvo in informatika  Mladi raziskovalec  2013 - 2014 
6.  23399  dr. Tomaž Curk  Računalništvo in informatika  Raziskovalec  2009 - 2014  253 
7.  37515  dr. Andrej Čopar  Računalništvo in informatika  Mladi raziskovalec  2014 
8.  16324  dr. Janez Demšar  Računalništvo in informatika  Raziskovalec  2009 - 2014  340 
9.  11770  dr. Aleš Dobnikar  Računalništvo in informatika  Raziskovalec  2009 - 2013  131 
10.  31049  dr. Erik Dovgan  Računalništvo in informatika  Raziskovalec  2010 - 2014  143 
11.  34403  dr. Miha Drole  Računalništvo in informatika  Mladi raziskovalec  2011 - 2014 
12.  05026  dr. Bogdan Filipič  Računalništvo in informatika  Raziskovalec  2009 - 2014  482 
13.  08501  dr. Matjaž Gams  Računalništvo in informatika  Raziskovalec  2009 - 2014  1.690 
14.  29523  dr. Anton Gradišek  Fizika  Raziskovalec  2014  435 
15.  33187  dr. Vida Groznik  Računalništvo in informatika  Mladi raziskovalec  2010 - 2014  63 
16.  28365  dr. Matej Guid  Računalništvo in informatika  Raziskovalec  2009 - 2014  88 
17.  35424  dr. Tomaž Hočevar  Računalništvo in informatika  Mladi raziskovalec  2012 - 2014  30 
18.  30875  dr. Boštjan Kaluža  Računalništvo in informatika  Raziskovalec začetnik  2009 - 2014  146 
19.  04242  dr. Igor Kononenko  Računalništvo in informatika  Raziskovalec  2009 - 2014  475 
20.  31885  dr. Aljaž Košmerlj  Računalništvo in informatika  Raziskovalec  2009 - 2014  34 
21.  14565  dr. Matjaž Kukar  Računalništvo in informatika  Raziskovalec  2009 - 2014  219 
22.  35423  dr. Timotej Lazar  Računalništvo in informatika  Mladi raziskovalec  2012 - 2014  10 
23.  23398  dr. Gregor Leban  Računalništvo in informatika  Raziskovalec  2009 - 2014  65 
24.  23581  dr. Mitja Luštrek  Računalništvo in informatika  Raziskovalec  2009 - 2014  475 
25.  23318  dr. Domen Marinčič  Računalništvo in informatika  Raziskovalec  2009 - 2014  31 
26.  32926  dr. Miha Mlakar  Računalništvo in informatika  Mladi raziskovalec  2010 - 2014  53 
27.  29021  dr. Martin Možina  Računalništvo in informatika  Raziskovalec  2010 - 2014  77 
28.  25792  dr. Minca Mramor  Reprodukcija človeka  Raziskovalec  2009 - 2014  61 
29.  32041  dr. Darko Pevec  Računalništvo in informatika  Raziskovalec  2009 - 2014  18 
30.  29884  dr. Rok Piltaver  Računalništvo in informatika  Tehnični sodelavec  2010 - 2014  80 
31.  20815  dr. Aleksander Pivk  Računalništvo in informatika  Raziskovalec  2009 - 2014  34 
32.  37516  Matevž Poberžnik  Računalništvo in informatika  Mladi raziskovalec  2014 
33.  32042  dr. Matija Polajnar  Računalništvo in informatika  Mladi raziskovalec  2009 - 2014 
34.  15295  dr. Marko Robnik Šikonja  Računalništvo in informatika  Raziskovalec  2009 - 2014  421 
35.  20389  dr. Aleksander Sadikov  Računalništvo in informatika  Raziskovalec  2009 - 2014  190 
36.  33189  Anže Starič  Računalništvo in informatika  Mladi raziskovalec  2010 - 2014 
37.  15656  dr. Tomaž Šef  Računalništvo in informatika  Raziskovalec  2009 - 2014  394 
38.  31917  dr. Domen Šoberl  Računalništvo in informatika  Mladi raziskovalec  2013 - 2014  42 
39.  29630  dr. Miha Štajdohar  Računalništvo in informatika  Raziskovalec začetnik  2009 - 2014  21 
40.  29486  dr. Erik Štrumbelj  Računalništvo in informatika  Raziskovalec  2009 - 2014  116 
41.  28519  dr. Lan Umek  Upravne in organizacijske vede  Raziskovalec  2009 - 2014  206 
42.  12536  dr. Blaž Zupan  Računalništvo in informatika  Raziskovalec  2009 - 2014  531 
43.  29020  dr. Jure Žabkar  Računalništvo in informatika  Raziskovalec  2011 - 2014  129 
44.  30921  dr. Lan Žagar  Računalništvo in informatika  Raziskovalec  2014  17 
45.  35422  dr. Marinka Žitnik  Računalništvo in informatika  Mladi raziskovalec  2012 - 2014  83 
Organizacije (2)
št. Evidenčna št. Razisk. organizacija Kraj Matična številka Štev. publikacijŠtev. publikacij
1.  0106  Institut "Jožef Stefan"  Ljubljana  5051606000  90.649 
2.  1539  Univerza v Ljubljani, Fakulteta za računalništvo in informatiko  Ljubljana  1627023  16.234 
Povzetek
Člani programske skupine se ukvarjajo z raziskavami na naslednjih področjih: • strojno učenje in odkrivanje zakonitosti v podatkih; • evolucijsko računanje in preiskovalni algoritmi; • programiranje z omejitvami in kombinatorična optimizacija; • metode kvalitativnega sklepanja; • strojno učenje v biomedicinski informatiki; • agentni sistemi in semantični splet. Vse raziskovalne teme so vseskozi motivirane z možnostmi uporabe in neposrednimi konkretnimi aplikacijami. Izbrani znanstveni dosežki za leto 2005: • Analiza in rekonstrukcija genetskih mrež na podlagi genskih izrazov, med drugim objavljeno v članku van Driessche, Demšar, Juvan, Zupan, et al. Epistasis analysis with global transcriptional phenotypes. Nature Genetics, May 2005, z visokim faktorjem vpliva 24.69. • Inteligentna vizualizacija podatkov v kombinaciji s strojnim učenjem, med drugim objavljeno v člankih (Leban et al., VizRank: finding informative data projections in functional genomics by machine learning; Curk et al., Microarray data mining with visual programming) v reviji Bioinformatics, ki je na področju računalništva rangirana na prvem mestu. • Argumentirano strojno učenje: nov pristop k strojnemu učenju, pri katerem ekspert za domeno učenja lahko komentira učne primere s svojimi argumenti (razlaga izbranih podrobnosti v učnih primerih). • Genetski algoritem za analizo kompleksnih bioloških sistemov z EPR spektroskopijo (dva članka v vodilnih revijah) in genetski algoritem za procesno optimizacijo, uporabljen v železarnah Acroni (Jesenice) in Ruuki Steel (Finska). • Strojno učenje kvalitativnih modelov iz numeričnih podatkov z originalno metodo Q2 z aplikacijami v ekoloških problemih (napovedovanje koncentracije ozona in napovedovanje poplav Savinje). • Sistem za avtomatsko iskanje patologij v scintigrafskih slikah okostij, v sodelovanju z Kliniko za nuklearno medicino v Ljubljani. • Prispevki k tehnologiji slovenskega jezika: avtomatsko naglaševanje slovenskih besed, uporaba ontologij za interpretacijo, nadaljnji razvoj sistema Govorec. Mednarodni nagradi v 2005: • Nagrada ECCAI za najboljši doktorat iz umetne inteligence v Evropi v 2005: A. Jakulin, Machine Learning Based on Attribute Interactions. • Prva nagrada v tekmovanju NIST (ZDA) filtrov za neželeno elektronsko pošto (A. Bratko, B. Filipič). Aplikativna področja raziskav: • medicina; • bioinformatika in funkcijska genomika; • vodenje in identifikacija sistemov; • okoljska problematika; • inženirske aplikacije (tekstilstvo, strojništvo); • internetne aplikacije (filtriranje elektronske pošte, inteligentni brskalniki); • trženje in ekonomija.
Pomen za razvoj znanosti
Raziskovalni program Umetna inteligenca in inteligentni sistemi prispeva k več področjem umetne inteligence: strojno učenje in odkrivanje znanja v podatkih, kvalitativno modeliranje, hevristično preiskovanje, evolucijsko računanje ter inteligentni poučevalni sistemi. Prispevki so raznih vrst: teoretični rezultati, metode in tehnike za reševanje odprtih problemov na teh področjih umetne inteligence, prosto dostopne implementacije razvitih metod ter aplikacije na izbranih področjih uporabe. Nekatere metode in tehnike so splošno zanimive tudi za znanost izven umetne inteligence. Te vsebujejo metode strojnega učenja in podatkovnega rudarjenja, ki so postale zelo pomemben del infrastrukture za raziskave v drugih znanostih, kot so biologija, genetika, medicina itd. Rezultati tega programa, ki so zanimivi v tem bolj splošnem smislu, vključujejo: popularni sistem Orange za strojno učenje in analizo podatkov, ki se znotraj tega programa stalno izpopolnjuje; tehnike za fuzijo podatkov iz raznih virov z matrično faktorizacijo; metode za razlago klasifikacij, dobljenih iz induciranih klasifikatorjev; argumentirano strojno učenje (Argument-based machine learning, ABML), ki omogoča, da v standardnih pristopih strojnega učenja uporabimo že obstoječe znanje, ki ga poda ekspert v obliki argumentov o konkretnih učnih primerih; ABML-zanka za zajemanje znanja. Delo na kvalitativnem modeliranju omogoča netradicionalen način modeliranja v znanosti in tehniki. To je modeliranje brez števil, vendar s kvalitativnimi relacijami namesto tega. Pogosto so o problemski domeni znane le take, kvalitativne relacije. Pristop, imenovan Padé, k strojnemu učenju omogoča avtomatsko generiranje kvalitativnih modelov iz podatkov. Med konkretnimi pomembnimi raziskovalnimi rezultati tega programa so: • Metoda za zlivanje podatkov s simultano tri-faktorizacijo z omejitvami, ki je dala odlične rezultate v poskusih v genetskih domenah • Empirična demonstracija, da so razlage na temelju atributnih interakcij pravilne in intuitivne za poljuben model učenja; nova, boljša mera uspešnosti klasifikatorjev • Metoda argumentiranega strojnega učenja (Argument Based Machine Learning, ABML), postopki zajemanja znanja z metodo imenovano “ABML loop” • Metoda za odkrivanje abstraktnih pojmov s poskusi v robotskih domenah • Pristopi k učenju iz senzorskih meritev v robotiki • Nova metoda kvalitativnega učenja Padé in eksperimentalna uporabe te metode na realnih problemih, kot so bakterijske okužbe, robotsko učenje, analiza vetrovnega šuma v avtomobilih • Pristop k programiranju robotov s kvalitativnim planiranjem • Raziskava dejavnikov, ki vplivajo na možnost patologije hevrističnega preiskovanja, ko bolj temeljito preiskovanje, ki zahteva več napora, paradoksalno vodi do slabših rezultatov • Pohitritev evolucijskega algoritma za več kriterijsko optimizacijo DEMO z vzporedno implementacijo in vključevanjem nadomestnih modelov prostora iskanja • Nov pristop, ki za dani problem kombinatoričnega preiskovanja avtomatsko poišče vzorce, podcilje ali faze reševanja. Ti človeku omogočijo obvladovanje sicer neobvladljivega prostora. Nekateri znanstveni rezultati tega programa so temeljnega značaja: uvedba raziskav za to, kako bi lahko težavnost problemov za človeka ocenjevali avtomatsko; avtomatsko odkrivanje abstraktnih pojmov iz podatkov, to je pojmov, ki se v zajetih podatkih nikoli ne pojavijo eksplicitno.
Pomen za razvoj Slovenije
Za razvoj Slovenije je ta raziskovalni program posebej pomemben zaradi mnogih aplikativno usmerjenih raziskav, prenašanja raziskovalnih dosežkov v prakso na mnogih področjih uporabe. Pa tudi za zagotavljanje kvalitetnega visokošolskega izobraževanja iz umetne inteligence, vključno z doktorati znanosti. Sodelujoči raziskovalci na tem programu izvajajo mnoge aplikacije v sodelovanjuz uporabniki na raznih, zelo raznolikih področjih uporabe, kot so: medicina, bioinformatika, vodenje procesov v industriji, ambientalna inteligenca, robotika, ekologija, podpora zagotavljanju kulturne dediščine, računalniško procesiranje slovenskega jezika. Med take primere sodijo konkretne izvedene aplikacije metod umetne inteligence v preučevanju in odkrivanju biomarkerjev v raznih boleznih raka (npr. pljučni rak), diagnostika tremorjev v nevrologiji, diagnostika srčnih bolezni, inteligentne stavbe (npr. vodenje stavb z optimizacijo energije in udobnosti bivanja, zagotavljanje kvalitetnih življenjskih pogojev za starejše), optimizacija procesov ulivanja, valjanja in toplotne obdelave vrhunskih jekel, vodenje in optimizacija skladišč, sistemi za individualno priporočanje filmov, sinteza in analiza slovenskega govora ter računalniško razumevanje slovenskih besedil, podpora ohranjanju kulturne dediščine (npr. ponovno sestavljanje množice fragmentov starih poslikav najdenih na zgodovinskih najdiščih). Stalno se odpirajo tudi številne druge vse bolj aktualne aplikativne možnosti, npr. razvoj inteligentnih robotskih aplikacij v nestrukturiranem okolju – npr. avtomatizirano programiranje robotov v spremenljivem okolju, zahtevni inteligentni poučevalni sistemi, kot je npr. avtomatski instruktor programiranja. Kot primer presenetljive raznolikosti uporabe umetne inteligence omenimo podrobneje tekočo aplikacijo strojnega učenja, ki omogoča odkrivanje prostorsko-časovnih zakonitosti skozi daljša časovna obdobja na podlagi bodisi izmerjenih podatkov, bodisi rezultatov numeričnih modelov. To mogoča dolgoročno validacijo numeričnih modelov (ki sicer omogočajo le kratkoročne napovedi), kot tudi odkrivanje novih zakonitosti naravnih procesov, med drugim gibanja vodnih mas v Jadranskem morju. Načrtovane aplikacije v sodelovanju z Morsko biološko postajo Piran vključujejo napovedovanje razvoja in gibanja meduz, kar vpliva tudi na ribolov in turizem v severnem Jadranskem morju.
Najpomembnejši znanstveni rezultati Letno poročilo 2009, 2010, 2011, 2012, 2013, zaključno poročilo, celotno poročilo na dLib.si
Najpomembnejši družbeno–ekonomsko in kulturno relevantni rezultati Letno poročilo 2009, 2010, 2011, 2012, 2013, zaključno poročilo, celotno poročilo na dLib.si
Zgodovina ogledov
Priljubljeno