Badania naukowe

Kierownik tematu

dr Artur Niewiadomski

Numer tematu

146/23/B

Skład zespołu

dr Marcin Stępniak, dr Piotr Świtalski, mgr Maciej Nazarczuk, mgr Mateusz Przychodzki, dr Joanna Zienkiewicz, dr Andrzej Sędek, dr hab. Cezary Kalita – profesor uczelni

Obszary badawcze

Badania dotyczą zastosowania nowoczesnych technologii, w tym sztucznej inteligencji, w dwóch obszarach. 
Pierwszym z nich są systemy otwarte, czyli wchodzące w interakcję z otoczeniem zewnętrznym. Do tej grupy systemów zaliczane są m.in. systemy wieloagentowe, które składają się z komunikujących się i współpracujących ze sobą komponentów (zwanych agentami) realizujących wyznaczone cele oraz środowiska (otoczenia), które jest przez agentów obserwowane i z którym wchodzą w interakcje. Jedną z cech systemów wieloagentowych jest ich różnorodność, a znajdują one zastosowanie np. w rozwiązywaniu problemów o charakterze rozproszonym lub złożonym obliczeniowo.
Wykorzystujemy dwie grupy metod. Metody symboliczne wykorzystujące m.in. SAT i SMT, które pozwalają na kompaktową reprezentację dużych przestrzeni stanów oraz jej efektywne przeszukiwanie i wnioskowanie o własnościach systemów przy wykorzystaniu logik modalnych, w tym temporalnych i strategicznych. Druga grupa to szeroko rozumiane heurystyki oraz meta-heurystyki, a w szczególności algorytmy inspirowane naturą, w tym rozwiązania oparte na Sztucznych Sieciach Neuronowych. 
Wymienione powyżej kierunki badań wymagają znacznej mocy obliczeniowej oraz przechowywania i przetwarzania olbrzymiej ilości danych. Stąd właśnie nasze zainteresowanie technologiami chmurowymi i bazodanowymi, a w szczególności analiza ich możliwości pod kątem zaspokojenia naszych potrzeb. 
Drugim obszarem badań jest rozwijane wspólnie przez Instytut Informatyki oraz Instytut Pedagogiki rozwiązanie technologiczne mające na celu diagnozę i terapię nieśmiałości i lęku społecznego z wykorzystaniem wirtualnej rzeczywistości oraz elementów biofeedbacku – system VRTherapy. Pierwszy etap polega na zaprojektowaniu, zaimplementowaniu i przetestowaniu prototypu systemu bez udziału sztucznej inteligencji. Następnie, na podstawie zebranych danych, opracowane zostaną modele rekomendacyjne wykorzystujące algorytmy uczenia maszynowego  mające na celu wspomaganie pracy terapeutów w kontekście doboru parametrów scenariuszy diagnostycznych oraz sugerowanych dalszych etapów terapii.