po polsku	по русски	auf deutsch	in English

Gruppe der Grundlagenforschung auf dem Gebiet der Künstlichen Intelligenz

des Instituts für Grundlagen der Informatik der Polnischen Akademie der Wissenschaften

Unsere Forschungsgruppe

Dr. Piotr Borkowski [IPIPAN] [ORCID] -
Dr. Szymon Chojnacki [IPIPAN] [ORCID] - beurlaubt
Dr. Krzysztof Ciesielski [IPIPAN] - beurlaubt
Dr. Dariusz Czerski [IPIPAN] [DBLP] [ORCID]
Prof. Dr.-Ing. habil. Mieczysław A. Kłopotek [IPIPAN] [DBLP] [ORCID][GoogleScholar][arXiv]
Dr.Ing. Eryk Laskowski [IPIPAN] [DBLP] [ORCID][GoogleScholar]
Prof. Dr.-Ing. habil. Zbigniew Michalewicz [IPIPAN] [DBLP] [ORCID] - beurlaubt
Dipl.-Ing. Robert Rąkoski [IPIPAN] - ehemaliger Mitarbeiter
Dr. Bartłomiej Starosta [IPIPAN] [DBLP] [ORCID]
AO-Prof. Dr. habil. Marcin Sydow [IPIPAN] [ORCID] - ehemaliger Mitarbeiter
Prof. Dr.-Ing. habil. Sławomir T. Wierzchoń [IPIPAN] [DBLP] [ORCID]

Unsere Forschung

Unsere Gruppe für Grundlagenforschung auf dem Gebiet der Künstlichen Intelligenz betreibt seit vier Jahrzehnten intensive Forschung zu den größten Herausforderungen der Künstlichen Intelligenz (auch Computational Intelligence genannt). Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Lösung von Problemen beschäftigt, für die es keine algorithmischen Lösungen gibt oder die rechentechnisch zu komplex sind. In diesem Sinne beteiligte sich die Forschungsgruppe an der Entwicklung eines Systems zur Analyse von Daten über die gesundheitlichen Auswirkungen der Tschernobyl-Katastrophe, eines Systems zur Unterstützung der Diagnose von Handverletzungen, eines Systems zur verteilten Wissensextraktion aus medizinischen Daten und eines Systems zur proökologischen Steuerung der Leistung des Kraftwerksnetzes, eines Systems zur Bewertung von Kandidaten für den Pilotenberuf, der ersten groß angelegten semantischen polnischsprachigen Internetsuchmaschine, eines Systems zur Bewertung der Verbraucherpreisentwicklung und vieler anderer.

Die Forschung zu spezifischen Anwendungen der KI war eng mit der Entwicklung von neuen Methoden und Algorithmen verbunden. Insbesondere erarbeiteten wir Inferenz- und Lerntheorien für unsichere und unvollständige Informationen (einschließlich Bayes-scher Netzwerke und der Dempster-Shafer-Theorie), neue naturinspirierte Optimierungsmethoden (darunter Immunnetzwerke, Herde-, genetische und Extremoptimierung-Algorithmen) und andere. Derzeit hat sich die Forschungsgruppe der aktuellen und wichtigen Herausforderung gestellt, Methoden der erklärbaren künstlichen Intelligenz (XAI) zu entwickeln. XAI ist eine Antwort auf die Einwände der Industrie, daß Methoden der künstlichen Intelligenz wie tiefe neuronale Netze, evolutionäre Algorithmen und andere nach dem Prinzip einer "schwarzen Kiste" funktionieren, während nur transparenten Methoden vertraut wird. Unsere Forschungsgruppe hat sich einer besonders schwierigen Herausforderung gewidmet, nämlich Erzielung von Erklärbarkeit im Bereich der Clusteranalyse von Textdokumenten, insbesondere solchen, die mit Spektralmethoden geclustert wurden. Die grundlegende Schwierigkeit liegt im Fehlen eines kohärenten axiomatischen Systems zur Clusteranalyse. Das Problem ist im Bereich der Spektralmethoden noch gravierender, weil man dort mit der Loslösung der Darstellung von Clustern vom Textinhalt von Dokumenten zu kämpfen hat. Zu unseren Erfolgen in diesem Bereich zählen:

Ein widerspruchfreies axiomatisches System, das unter anderem k-Mittelwert-Algorithmus umfaßt, der die Grundlage für Spektralmethoden bildet,
Klassifizierungsmethode basierend auf Laplace-Spektren von Dokumentensätzen,
Inkrementelle Gruppierungsmethode basierend auf den oben genannten Spektren,
Clustering-Methode basierend auf der Kernelisierung der Ähnlichkeitsmatrix,
Eine Methode zur Erklärung von Hashtags durch Hashtags basierend auf den oben genannten Spektren,
Methode zum Zuweisen von Textbeschriftungen zu Clustern aus spektralem Clustering,
Erläutern der Natur des Kernel-k-Mittelwert-Clustering-Ergebnisse für nichteuklidische Räume
Vertiefen des Verständnisses und die Auswahl nicht dominierter Lösungen in von der Natur inspirierten Optimierungssystemen
Und andere.

Unsere Veröffentlichungen

B. Starosta, M.A. Kl`opotek, S.T. Wierzchon`, D. Czerski: Hashtag Discernability -- Competitiveness Study of Graph Spectral and Other Clustering Methods. 18th Conference on Computer Science and Intelligence Systems FedCSIS 2023 (IEEE #57573) Warsaw, Poland, 17--20 September, 2023. pages 759--767. https://doi.org/10.15439/2023F2398.
Mieczyslaw A. Klopotek, Robert A. Klopotek: Towards Continuous Consistency Axiom. Applied Intelligence (2022) DOI https://doi.org/10.1007/s10489-022-03710-1 Springer Verlag, Earlier version: CoRR abs/2202.06015 (2022) [i45]
Mieczyslaw A. Klopotek: A Clustering Preserving Transformation for k-Means Algorithm Output. CoRR abs/2202.10455 (2022); abbreviated version in Proc. ISMIS 2022, 03-05.10.2022, Cosenza, Italy. Lecture Notes in Computer Science book series (LNAI,volume 13515) Foundations of Intelligent Systems pp 315 322. Springer link . DOI https://doi.org/10.1007/978-3-031-16564-1_30
M.A. Kl`opotek, S.T. Wierzchon` and R.A. Kl`opotek: "Network Capacity Bound for Personalized PageRank in Multimodal Networks". Fundamenta Informaticae 189(1) : 49-67 (2022). IOS Press https://doi.org/10.3233/FI-222151

Unsere Suchmaschine für polnisches Internet