Naukowiec z PG z publikacjami na European Conference on Computer Vision w Mediolanie | Politechnika Gdańska

Dr inż. Sebastian Cygert, który pracuje również jako postdoc w IDEAS NCBR prowadzi badania nad algorytmami uczonymi w trybie ciągłym (ang. Continual Learning), z naciskiem na ich bezpieczne działanie w zmieniających się warunkach. Jego prace dotyczą tworzenia systemów AI, które potrafią samodzielnie dostosowywać się do otoczenia bez konieczności ciągłego interweniowania przez człowieka.

Sebastian Cygert jest głównym współwykonawcą projektu “MLAdapt - Samoadaptacyjne uczenie maszynowe”, finansowanego przez Narodowe Centrum Nauki w ramach programu Sonata. Celem projektu jest rozwój samoadaptacyjnych algorytmów, które pozwalają modelom AI dostosowywać się do nowych warunków w sposób autonomiczny. 

– Obecnie dominujący paradygmat AI opiera się na statycznych modelach, takich jak foundation models, których parametry pozostają niezmienne w czasie. Jednak w niektórych zastosowaniach, zwłaszcza tych dynamicznych, zdolność do samodzielnej adaptacji może okazać się kluczowa. To nowatorskie podejście wiąże się jednak z licznymi wyzwaniami badawczymi, które wciąż wymagają dogłębnych badań podstawowych –- tłumaczy naukowiec.

Uczenie się bez końca

Potencjalne zastosowania takich adaptacyjnych algorytmów są szerokie, od modeli finansowych, które reagują na zmiany rynkowe, po algorytmy do analizy obrazów medycznych, które muszą adaptować się do nowych chorób, takich jak COVID-19, oraz zmian w już istniejących. Podobne rozwiązania znajdują także zastosowanie w analizie mediów społecznościowych, które stale ewoluują pod wpływem nowych trendów.

W artykule „Category Adaptation Meets Projected Distillation in Generalized Continual Category Discovery” autorzy badają problem odkrywania nowych klas obiektów w sposób ciągły (ang. Continual Category Discovery). Proponują innowacyjną metodę, która zwiększa dokładność modeli w tego typu zadaniach. Wkład zespołu polega na połączeniu dwóch istniejących metod i zaprezentowaniu ich skuteczności w nowym kontekście.

W pozostałych pracach zaprezentowano nową metodę efektywnej akumulacji wiedzy dla algorytmów ciągłego uczenia oraz przeprowadzono analityczne badania dotyczące skuteczności poszczególnych komponentów architektury w tym zadaniu .

Konferencja ECCV

Dr Cygert podkreśla rosnącą obecność polskich naukowców na wiodących konferencjach AI, takich jak ECCV. W poprzedniej edycji tej konferencji obecny był zaledwie jeden artykuł stworzony przez naukowców z polskich instytucji. W tegorocznej edycji takich publikacji jest już co najmniej sześć. To nadal mała liczba w porównaniu do innych krajów, ale trend ten pokazuje, że Polska zmierza w dobrym kierunku.

Konferencja European Conference on Computer Vision w Mediolanie odbyła się w dniach 29 września - 4 października. To jedna z najważniejszych konferencji badawczych poświęcona m.in. uczeniu maszynowemu i sztucznej inteligencji. Odbywa się co dwa lata i gromadzi przedstawicieli z międzynarodowego świata nauki i przemysłu.

Więcej o tegorocznej edycji konferencji