Oddział Mazowiecki PTI zaprasza na pierwsze powakacyjne spotkanie Klubu Informatyka. Odbędzie się ono 22 października br. (wtorek) w sali 103 gmachu wydziału Matematyki i Nauk Informacyjnych Politechniki Warszawskiej, Koszykowa 75 (tu mapka) w godzinach 18-21. Pierwsza prezentacja rozpocznie się o godzinie 18:30. Tematem przewodnim Klubu będą Głębokie sieci neuronowe – przykłady użycia, zalety i ograniczenia.
Trzej doktoranci prof. Jacka Mańdziuka, kierownika Zakładu Sztucznej Inteligencji i Metod Obliczeniowych na Wydziale MiNI PW opowiedzą o swoich doświadczeniach w uczeniu architektur głębokich, w szczególności sieci konwolucyjnych (Dominik Lewy), autoenkoderów (Adam Żychowski) oraz generatywnych sieci adwersarialnych (Maciej Żelaszczyk). Będzie o czym rozmawiać, bo w ostatnich latach, wykorzystanie uczenia głębokiego doprowadziło do przełomowych osiągnięć metod sztucznej inteligencji (AI) w wielu dziedzinach praktycznych.
Wstęp na Klub jest wolny. Ze względów logistyczno-aprowizacyjnych Oddział Mazowiecki prosi o zgłoszenia (z podaniem liczby osób) pod adres omaz[at]pti.org.pl. Klub będzie filmowany. Wiąże się to z wyrażeniem przez uczestników Klubu zgody na wykorzystanie ich wizerunku w relacjach wideo, które można znaleźć w kanale PTI portalu Youtube, a także w portalu Oddziału Mazowieckiego PTI, w szczególności w informacjach noszących tag wideo. (d)
Wykładowcy i ich prezentacje
Dominik Lewy to doktorant informatyki na Wydziale MiNi. Zawodowo, lider zespołu zajmującego się projektami w obszarze uczenia maszynowego oraz computer vision. Obszarami jego zainteresowań naukowych są sztuczne sieci neuronowe, a w szczególności te dedykowane do pracy z obrazem. Prezentacja dotyczyć będzie tego, Czy można skorzystać z zaszumionych danych w uczeniu głębokim? Jednym z istotnych problemów związanych z wykorzystaniem uczenia głębokiego w zagadnieniach praktycznych jest ograniczony wolumen dostępnych danych. Prezentacja dotyczy jednego z możliwych podejść do rozwiązania tego problemu, polegającego na wykorzystaniu danych webowych – zebranych zgodnie z wybranymi słowami kluczowymi z kont w mediach społecznościowych – jako substytutu danych dostarczonych/zaetykietowanych przez ekspertów.
Adam Żychowski to również doktorant informatyki na Wydziale MiNI PW. W roku 2015 ukończył z wyróżnieniem studia magisterskie w specjalności Metody Sztucznej Inteligencji. Pracę zawodową łączy z działalnością naukowo-badawczą w dziedzinie uczenia maszynowego. Obszarami jego zainteresowań naukowych są sztuczne sieci neuronowe, algorytmy ewolucyjne oraz teoria gier. W swojej prezentacji opowie o tym Czy sieci głębokie potrafią rozwiązywać testy na inteligencję? Jednym z kluczowych wyzwań stojących przed systemami AI jest umiejętność rozumowania abstrakcyjnego. W ramach prezentacji przedstawiony zostanie system rozwiązujący najpopularniejszy typ zadań z testów na inteligencję – matryce Ravena, które stanowią między innymi podstawę testów kwalifikacyjnych Stowarzyszenia Mensa. Uzyskane wyniki pokazują, że metody AI mogą z powodzeniem konkurować, a w niektórych przypadkach nawet przewyższyć wyniki osiągane przez ludzi.
Maciej Żelaszczyk to także doktorant MiNI. Entuzjasta uczenia głębokiego, sztucznej inteligencji i badań łączących neurobiologię z uczeniem maszynowym. Absolwent Szkoły Głównej Handlowej na kierunkach Metody Ilościowe w Ekonomii i Systemy Informacyjne oraz Finanse i Rachunkowość. Zawodowo, analityk rynków finansowych z doświadczeniem w obszarze metali szlachetnych oraz kryptowalut. W swoim wystąpieniu omówi Postępy w generatywnych sieciach adwersarialnych. Innowacyjność generatywnych sieci adwersarialnych (GAN) wynika z zastosowania wcześniej mało znanej metody uczenia, zaczerpniętej całkowicie spoza obrębu tradycyjnego uczenia maszynowego. W przeciągu kilku lat sieci GAN stały się de facto standardem w procesie generowania obrazów, osiągając jakość w praktyce nie odbiegającą od obrazów rzeczywistych. Z drugiej strony, proces ich uczenia cechuje się dużą niestabilnością. Brakuje także wyczerpujących badań nad możliwościami ich użycia w przypadku informacji pochodzących z różnych modalności (audio, obrazy, itp.)
Opiekun grupy
Jacek Mańdziuk jest profesorem zwyczajnym, Kierownikiem Studiów Doktoranckich w dyscyplinie informatyka oraz Kierownikiem Zakładu Sztucznej Inteligencji i Metod Obliczeniowych na Wydziale MiNI PW. Jest autorem 130+ prac, w tym 3 monografii (m. in. Knowledge-free and Learning-based Methods in Intelligent Game Playing, Springer, 2010), stypendystą Fundacji Fulbrighta (University of California at Berkeley, USA oraz International Computer Science Institute, Berkeley, USA) oraz stypendystą Fundacji Roberta Schumana (CNRS, Besançon, Francja). W ostatnim czasie był profesorem wizytującym w Yonsei University w Korei (2011), University of Alberta w Kanadzie (2011), University of New South Wales w Australii (2013) oraz, w latach 2015-2017, w Nanyang Technological University w Singapurze. Jego zainteresowania naukowe obejmują zastosowania metod inteligencji obliczeniowej oraz sztucznej inteligencji w zagadnieniach bezpieczeństwa, grach, dynamicznych problemach optymalizacyjnych, wspomaganiu współpracy ludzi ze sztucznymi agentami (human-machine cooperation) oraz modelowaniu finansowym. Prowadzi także badania w obszarze uniwersalnych systemów uczących się oraz rozwiązujących problemy w sposób zbliżony do ludzi (human-like learning and problem solving). Jest założycielem i przewodniczącym IEEE Task Force on Towards Human-like Intelligence. Wspólnie z prof. Włodzisławem Duchem z UMK oraz prof. Januszem Starzykiem z Ohio University organizuje co roku IEEE Symposium on Computational Intelligence for Human-like Intelligence. Więcej informacji na stronie http://www.mini.pw.edu.pl/~mandziuk