ARTIFICIAL INTELLIGENCE Seminar
PROGRAM
Plan rada Seminara iz veštačke inteligencije za JUN 2022.
Registraciona forma za učesće, i link na predavanje ako ste već registrovani:
https://miteam.mi.sanu.ac.rs/asset/CW5nJWDSEZDj7p32p
Ukoliko želite samo da gledate predavanje bez mogućnosti aktivnog učešća, prenos će biti dostupan na:
https://miteam.mi.sanu.ac.rs/asset/4LNW8WtML7rLKojoz
Na ovom linku se mogu pronaci kratka uputstva na srpskom i engleskom:
https://miteam.mi.sanu.ac.rs/asset/Kc7qJtEvoMFx9MFnz
SREDA, 01.06.2022. u 19:00, Online
Dragan Doder, Utrecht University Netherlands
GRADUALNE SEMANTIKE ZA TEŽINSKE GRAFOVE ARGUMENTACIJE
Formalna argumentacija je oblast simboličke veštačke inteligencije koja se
koristi za rešavanje različitih problema, uključujući donošenje odluka,
rasuđivanje sa nepotpunim informacijama i klasifikaciju. Najpopularniji
formalizam argumentacije je običan usmereni graf, u kome čvorovi
predstavljaju argumente, a ivice predstavljaju napade između argumenata.
Gradualna semantika je metod evaluacije snage argumenata u grafovima, čiji
je cilj da svakom argumentu dodeli numeričku vrednost koja predstavlja
njegovu snagu. U ovom izlaganju, predstaviću opšti pristup za definisanje
gradualnih semantika za težinske grafove. Pokazaću da se većina postojećih
gradualnih semantika može definisati korišćenjem ovog pristupa, kao i da
se on može koristiti za konstruisanje nekoliko novih semantika. Pristup će
takođe biti analiziran u odnosu na skup principa iz literature.
U predavanju će biti izloženi neki rezultati iz sledećih radova:
Leila Amgoud, Dragan Doder, Srdjan Vesic: Evaluation of argument strength
in attack graphs: Foundations and semantics. Artif. Intell. 302: 103607
(2022)
Leila Amgoud, Dragan Doder: Gradual Semantics Accounting for
Varied-Strength Attacks. AAMAS 2019: 1270-1278
Leila Amgoud, Jonathan Ben-Naim, Dragan Doder, Srdjan Vesic: Acceptability
Semantics for Weighted Argumentation Frameworks. IJCAI 2017: 56-62
SREDA, 08.06.2022. u 19:00, Online
Vladan Radosavljević, Machine Learning Chapter Lead, Spotify
SISTEM ZA PERSONALIZACIJU POČETNE STRANICE U SPOTIFY
Stotine miliona korisnika sluša audio sadržaj na Spotify-u svakog meseca.
Prvi sadržaj koji svi korisnici vide kada otvore Spotify je početna
stranica. Početna stranica predstavlja personalizovani prostor gde
korisnici mogu da pronađu preporuke plejlista, muzičkih albuma, izvođača,
podkasta i još mnogo toga, i sve to prilagođeno individualnim afinitetima
korisnika. U ovoj prezentaciji ćemo predstaviti algoritme i tehnike koji
se koriste za personalizaciju početne stranice u Spotify. Takođe ćemo
diskutovati o metodama koje smo razvili da bismo rešili probleme
implementacije personalizovanih rešenja na milionskom broju korisnika.
SREDA, 15.06.2022. u 19:00, Online
Nemanja Milošević, Prirodno-matematički fakultet, Univerzitet u Novom Sadu
NEGATIVNI PATERNI U OBUCI NEURONSKIH MREŽA
Svi modeli supervizovanog mašinskog učenja modeliraju neki vid dedukcije u
svom procesu učenja. Na osnovu ulaznih parametara odnosno skrivenih veza
(paterna) koji se u njima pojavljuju, algoritmi mašinskog učenja stvaraju
interne reprezantacije koje kasnije možemo koristiti za prepoznavanje tih
paterna i novih sličnih paterna. Negativno duboko učenje predstavlja
dodavanje novih, negativnih paterna u proces obuke neuronskih mreža.
Intuitivno, negativni paterni pokušavaju da modeliraju oblik dedukcije
sličan ljudskom kao i određeni način pamćenja, koji nam dozvoljava da
neuronske mreže obučimo na drugačiji način od uobičajenog. Naime,
negativnim paternima modelima dajemo dodatno znanje o nepostojanju
određenih paterna u ulaznim podacima, i šta to nepostojanje predstavlja u
procesu učenja. U ovoj prezentaciji ćemo detaljno opisati kako se ovakav
način učenja može postići, kao i kakve on prednosti donosi u poređenju sa
klasičnim vidom obučavanja modela dubokog učenja.
Na primeru konvolutivnih neuronskih mreža za klasifikaciju slika
pokazaćemo da je obučavanje na ovakav način ne samo moguće već i da u
raznim situacijama doprinosi robusnosti i performansama modela neuronskih
mreža.
SREDA, 22.06.2022. u 19:00, Online
Tatjana Davidović, Matematički institut SANU
PRIRODA VEZE IZMEĐU METAHEURISTIKIH METODA I VEŠTAČKE INTELIGENCIJE – II deo
Veštačka inteligencija predstavlja skup programskih tehnika koje treba da
omoguće računarima i drugim mašinama neke vidove inteligentnog ponašanja,
svojstvenih ljudima. Prva istraživanja na ovu temu povezana su sa samim
počecima računarstva, na primer, razvoj programa za igranje šaha. Većina
problema veštačke inteligencije spada u klasu problema pretrage, koji se
dodatno mogu proširiti na probleme prevođenja, prepoznavanje slika,
pisanog teksta i govora, ekspertne sisteme, automatske dokazivače teorema,
i mnoge druge. Metaheuristike su uopštene metode pretrage koje su
inicijalno razvijene za rešavanje problema kombinatorne i kontinualne
optimizacije, ali se očigledno mogu koristiti i u veštačkoj inteligenciji.
Mogu biti matematički zasnovane ili inspirisane prirodom, mogu
konstruisati nova i potencijalno bolja rešenja ili vršiti transformacije
već postojećih rešenja u cilju njihove popravke. Takođe, razlikujemo
metode koje tokom rada koriste jedno rešenje i one koje rade nad
populacijom rešenja. U prvom delu predavanja predstavljene su neke
metaheurističke metode i istaknuto je da ih u kontekstu veštačke
inteligencije treba razmatrati na tri načina: 1) kao ravnopravne metode
veštačke inteligencije (primenjivane su na problem klasterovanja,
zadovoljivosti, problem odlučivanja, probleme zadovoljenja ograničenja i
sl.); 2) kao pomoćne tehnike prilikom dizajniranja standardnih metoda
veštačke inteligencije, na primer za podešavanje (hiper|meta)-parametera
koji utiču na performance; 3) kao predmet primene metoda veštačke
inteligencije, pre svega mašinskog učenja, čime se dobijaju efikasnije
metode optimizacije. Sva tri aspekta će biti detaljno opisana i
potkrepljena primerima.
SREDA, 29.06.2022. u 19:00, Online
Biljana Stojanović, Matematički institut SANU
ANALIZA KODIRAJUĆIH I AMINOKISELINSKIH SEKVENCI PROTEINA VIRUSA SARS-CoV-2 METODOM KLASTEROVANJA
U predavanju će biti izloženi rezultati dobijeni klasterovanjem proteina
virusa SARS-CoV-2 na osnovu: 1) upotrebe kodona (eng. Codon Usage, CU) u
kodirajućim (nukleotidnim) sekvencama proteina i 2) edit-rastojanja
aminokiselinskih sekvenci proteina, radi karakterizacije specifičnih
proteinskih grupa (tipova) i sojeva virusa SARS-CoV-2 kojima pripadaju
posmatrani proteini. Pojam upotrebe kodona se odnosi na razlike u
učestalosti pojavljivanja sinonimnih kodona aminokiselina tokom
translacije proteina. Upotreba kodona je izračunata primenom dve
standardne mere (indeksa): 1) relativne upotrebe sinonimnih kodona (eng.
Relative Synonimous Codon Usage, RSCU) i efektivnog broja kodona (eng.
Effective Number of Codons, ENC) pojedinačnih aminokiselina.
Edit-rastojanja sekvenci aminokiselina izračunata su za svaki par
proteina. Skup podataka od 423.425 nukleotidnih sekvenci izolata preuzet je sa
https://www.ncbi.nlm.nih.gov/sars-cov-2 25. avgusta 2021. Nakon procesa
čišćenja ostalo je 347.962 izolata sa 225.934 jedinstvenih (2.366.031
ukupno) kodirajućih sekvenci proteina. Provera konzistentnosti je izvršena
između nukleotidnih sekvenci i aminokiselinskih kodova odgovarajućih
proteina na osnovu standardne tablice genetskog koda (transl_table 1).
Кlasteovanje proteina je izvršeno sa više različitih metoda uz variranje
parametara algoritama klasterovanja. Кlasterovanjem skupa kodirajućih
sekvenci dobijaju se jasno razdvojeni proteini odgovarajućeg tipa (ORF1a,
ORF1ab, S-protein, N-protein, ...) što pokazuje da svaki tip proteina ima
svoj specifičan „potpis“ zavisan od upotrebe kodona. Ukoliko se posmatraju
oznake proteina prema WHO (World Health Organization) anotaciji (sojevi α,
β, γ,...) dobijaju se klasteri u kojima pojedini sojevi proteina izrazito
dominiraju ili u kojima je zastupljen samo jedan soj. Ovi rezultati mogu
da posluže za određivanje sojeva izolata koji su prikupljani u prvom
periodu dok još nije vršena WHO anotacija.
Ovaj onlajn seminar nastao je kao nastavak sastanka “Serbian AI Meeting” i zamišljen je da na njemu istraživači iz Srbije i iz dijaspore, kao i istraživači sa univerzteta, naučnih instituta i iz prakse predstavljaju naučne teme i rezultate iz oblasti veštačke inteligencije.
Link za svako pojedinačno predavanje biće dostavljen dan pre održavanja predavanja.
Andreja Tepavčević
Rukovodilac seminara
