Misją pracowni jest rozwijanie dziedziny uczenia maszynowego oraz eksploracji danych poprzez prace nad innowacyjnymi algorytmami i ciekawymi zastosowaniami. Działamy na styku badań podstawowych i stosowanych, opracowując nowe podejścia do złożonych danych, jednocześnie dążąc do tego, aby systemy sztucznej inteligencji były bezpieczne, możliwe do wyjaśniania, godne zaufania i korzystne dla ludzi. Nasze interdyscyplinarne podejście obejmuje zastosowania w opiece zdrowotnej, medycynie, bioinformatyce i chemii, gdzie opracowujemy nowe metody, które zwiększają możliwości diagnostyczne i przewidywanie odpowiedzi na leki poprzez analizę danych biomedycznych i chemicznych.
Główne obszary badawcze pracowni obejmują:
- Zaawansowane techniki klasyfikacji dla: niezbalansowanie liczności klas, klasyfikacja wieloetykietowa, uczenie się online ze zmiennych strumieni danych, budowa informatywnych cech z niestrukturalizowanych danych i modele głębokiego uczenia się do przetwarzania języka naturalnego.
- Wyjaśnialna i wiarygodna sztuczna inteligencja: wyjaśnienia kontrfaktowe, sieci prototypowe, techniki wizualizacji, systemy oparte na regułach, miary oceny, bezpieczeństwo sztucznej inteligencji i niedyskryminowanie (ang. fairness) w uczeniu maszynowym.
- Zastosowania sztucznej inteligencji w medycynie, biologii i chemii, np.: analiza danych multiomicznych, przewidywanie reakcji na leki, badania struktury białek i kwasów nukleinowych, przewidywanie ligandów, modele predykcyjne i generatywne dla chemii.
Skład osobowy pracowni:
- Jerzy Stefanowski (team leader)
- Dariusz Brzeziński
- Krzysztof Dembczyński (on a long-term leave)
- Wojciech Kotłowski
- Mateusz Lango (on a long-term leave)
- Maciej Piernik
- Robert Susmaga
- Izabela Szczęch
- Marek Wydmuch
Doktoranci
- Marco Grillo
- Jacek Karolczak
- Adam Krawczyk
- Anna Przybyłowska
- Witold Taisner