STAznanost

Na Univerzi v Novi Gorici predstavili evropski projekt strojnega učenja SMASH

Nova Gorica, 24. februarja - Na Univerzi v Novi Gorici (UNG) so danes predstavili vsebino evropskega projekta SMASH, ki razpolaga s sredstvi v višini 10 milijonov evrov. V okviru projekta bo 50 podoktorskih raziskovalcev tekom petih let preučevalo uporabo umetne inteligence oziroma metod strojnega učenja za raziskave v naravoslovju in humanistiki, so napovedali na UNG.

Kot je na današnji novinarski konferenci pojasnil rektor UNG Boštjan Golob, je projekt SMASH namenjen osnovnim raziskavam v znanosti, s poudarkom na petih širših raziskovalnih poljih. Med njimi so splošno strojno učenje za znanstveno uporabo, predvsem računalniški vid, oprema in infrastruktura za visoko zmogljivo računalništvo, aplikacije strojnega učenja pri odprtih vprašanjih v astrofiziki, strojno učenje pri raziskavah podnebnih sprememb, računalništvo kot pomoč v raziskavah človeške in živalske komunikacije ter aplikacija orodij umetne inteligence na področju personalizirane medicine.

UNG je projekt pridobila z uspešno prijavo na razpis Evropske Komisije Horizon Europe Marie Sklodowska-Curie Actions, pri čemer gre za COFUND projekt, kar pomeni, da polovico 10 milijonskega proračuna zagotavlja Komisija, drugo polovico pa Ministrstvo za visoko šolstvo, znanost in inovacije RS. Koordinacijo projekta vodi UNG, pri čemer gre za prvi mednarodni COFUND projekt, ki ga koordinira slovenska institucija. Vodja projekta in glavna koordinatorka je Gabrijela Zaharjaš iz Centra za astrofiziko in kozmologijo UNG.

Raziskovanje bo potekalo na petih slovenskih institucijah in se bo pričelo letošnjega julija. Ob UNG bo potekalo še na Univerzi v Ljubljani, Institutu Jožef Stefan, Agenciji RS za okolje in Institutu informacijskih znanosti IZUM. Predvideno je tudi sodelovanje z 32 mednarodnimi inštitucijami, kot so Cosylab, Sinergise, SISSA Trst, CERN Ženeva, Univerza Queen Mary London, UC Berkeley in Univerza v Washingtonu.

Raziskovalcem bo v okviru projekta omogočena tudi uporaba superračunalnika Vega, ki ga upravljajo na mariborskem Institutu informacijskih znanosti (IZUM). Kot je ob tej priložnosti povedal vodja sektorja superračunalništva na IZUM Dejan Valh, njihov razvoj poteka v smeri infrastrukture za superračunalništvo, denimo na področju vsebnikov, posebni vrsti programske opreme ter tiskovnih sistemov, ki naj bi omogočali velike prenose podatkov.

Vodja odseka IJS za eksperimentalno fiziko osnovnih delcev Borut Kerševan je pojasnil, da pri raziskovanju osnovnih zakonitosti vesolja z velikim hadronskim trkalnikom v švicarskem CERN-u operirajo z ogromnimi količinami podatkov. Za brskanje in odkrivanje novih zakonitosti iz te količine podatkov so orodja umetne inteligence in superračunalniki ključnega pomena. Kot primer je dodal, da je bilo strojno učenje bistvenega pomena tudi pri odmevnem odkritju Higgsovega bozona pred 10 leti.

Strojno učenje pa ne pride prav le, ko je podatkov ogromno, temveč tudi, ko jih je premalo, je povzel Matjaž Ličer iz Agencije RS za okolje. Kot pravi, se planetarne znanosti soočajo s pomanjkanjem podatkov, oceani so zelo slabo pokriti, atmosfera nekoliko bolje a je zelo veliko negotovosti povezanih ravno s tem, da podatkov ni veliko. V okviru projekta SMASH bodo tako uporabo strojnega učenja za raziskovanje klimatskih sistemov segmentirali v tri področja: razumevanje vloge aerosolov, napovedovanjem stanja atmosfere na različnih časovnih skalah ter napovedovanju višine gladine morja.

S strojnim učenjem lahko prepoznamo tudi vzorce, ki niso človeški jezik, so pa po svoji funkcionalni strukturi vseeno sorodni človeškemu jeziku, trdi Artur Stepanov iz Centra za kognitivne znanosti jezika na UNG. To odpira nove možnosti na področju odkrivanja strukturnih vzorcev, značilnih za komunikacijo pri živalih z visoko stopnjo inteligenčnih in kognitivnih sposobnosti, denimo pri delfinih. V okviru projekta bodo tako nadgradili pionirsko študijo, opravljeno na UNG, v kateri so raziskovali sistematičnost posebnih tipov delfinskih signalov in skušali s pomočjo strojnega učenja v teh signalih najti vzorce, značilne za jezik.

Podoktorski raziskovalci na področju personalizirane medicine se bodo ukvarjali z odkrivanjem biomarkerjev, gradili napovedne modele na podlagi podatkov o kliničnih fenotipih in molekularni biologiji ter na tak način odkrivali prognostične markerje in njihove interakcije, je napovedala Vida Groznik, raziskovalka s Fakultete za računalništvo in informatiko UL. Opravljali bodo tudi raziskave povezane z zgodnjim odkrivanjem in spremljanjem bolezni ter razložljivi umetni inteligenci v personalizirani medicini.