ὅδε οἶκος, ὦ ἑταῖρε, μνημεῖον ἐστιν ζωῶν τῶν σοφῶν ἀνδρῶν, καὶ τῶν ἔργων αὐτῶν

ARTIFICIAL INTELLIGENCE Seminar

 

PROGRAM


Plan rada Seminara iz veštačke inteligencije za MART 2025.



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, 05.03.2025. u 19:00, Online
João Pedro Carvalho Leal Mendes Moreira, Faculdade de Engenharia da Universidade do Porto (FEUP)
AN ENSEMBLE OF AUTONOMOUS AUTO-ENCODERS AS A CLASSIFIER FOR HUMAN ACTIVITY RECOGNITION
Human Activity Recognition is a machine learning task that uses sensing technology to classify human activities and infer human behavior. While traditional machine learning approaches use hand-crafted features to train their models, recent advancements in neural networks allow for automatic feature extraction. Auto-encoders are a type of neural network that can learn complex data representations and are commonly used for anomaly detection. In this work, we propose a novel multi-class algorithm comprising an ensemble of auto-encoders, with each auto-encoder associated with a unique class. We tested the proposed approach in human activity recognition data. Experimental results show that auto-encoder ensembles can be efficient, robust, and competitive with traditional classification approaches. Moreover, this modular classifier structure allows for more flexible models. For example, the number of classes can be extended by including new auto-encoders without retraining the whole model.

Sreda, 12.03.2025. u 19:00, Online
Tatjana Stojanović, Prirodno-matematički fakultet, Univerzitet u Kragujevcu
PROŠIRENJA Ω-LOGIKE I NJIHOVA PRIMENA U NEURO-SIMBOLIČKOM ZAKLJUČIVANJU
Napredak u oblasti veštačke inteligencije stavio je poseban akcenat na neuro-simboličko računanje, koje spaja simboličko rezonovanje sa sub-simboličkim AI sistemima, poput neuronskih mreža i grafičkih modela. Cilj ove integracije uključuje poboljšanje reprezentacije znanja, prevođenje logičkih iskaza u funkcije gubitka, kao i unapređenje razumevanja neuspeha u sub-simboličkim AI sistemima kroz verifikaciju njihove arhitekture i komponenti.
Na predavanju će biti predstavljene dve ekstenzije ω-logike sa beskonačnim pravilima zaključivanja – Arch-ω-logika i non-Arch-ω-logika. Biće prikazane odgovarajuće Hilbertove aksiomatizacije i predstavljena njihova jaka potpunost u odnosu na prebrojive Arhimedove i ne-Arhimedove strukture. Ove logike su posebno pogodne za formalno predstavljanje težinskih funkcija i pružaju apstraktni okvir za reprezentaciju i kombinovanje različitih težinskih logika.
Klasa težinskih logika obuhvata širok spektar formalnih sistema, od fuzzy logika do različitih verovatnosnih okvira, često inspirisanih različitim metodama zaključivanja u veštačkoj inteligenciji. Zajednička karakteristika ovih logika je sposobnost izražavanja različitih tipova težina (interpretiranih kao generalizacije istinosnih vrednosti) koje se dodeljuju formulama.
Od posebnog značaja su logike koje imaju za cilj formalizaciju relacija posledica u kontekstu realno-vrednosnih logika, doprinoseći formalizaciji neuro-simboličkog zaključivanja. Biće predstavljna logika, i njena reprezntacija u Arch-ω-logici, koja je bila teorijski osnov za razvoj Logičkih neuronskih mreža (LNN).
Sa stanovišta predstavljenih sistema biće data reprezentacija Logičkih neuronskih mreža (LNN), Markovljevih logičkih mreža (MLN) i date ideje za dalja moguća proširenja i primene.
Okviri Arch-ω-logike i non-Arch-ω-logike mogu pružiti čvrstu osnovu za razvoj novih sistema neuro-simboličkog računanja, sa integrisanim erovatnoćama. Ovi sistemi su posebno značajni u oblastima gde je, pored samog izlaza, ključna i objašnjivost rezultata, kao što su medicinska dijagnostika, finansije i obrazovanje. Još jedna prednost ovih logika jeste njihova upotreba u verifikaciji modela generisanih različitim neuronskim mrežama.

Sreda, 19.03.2025. u 19:00, Online
Ana Kovačević, Fakultet bezbednosti, Univerzitet u Beogradu
TAMNA STRANA GENERATIVNE VEŠTAČKE INTELIGENCIJE
Generativna veštačka inteligencija (GVI) implementirana je u brojnim industrijama. Obezbeđivanje bezbednosti i otpornosti GVI sistema ključno je za njihovu efikasnu upotrebu, posebno u osetljivim oblastima. Od početnih faza GVI sistema bili su prepoznati rizici, a sa njihovim napretkom raste potreba za dubljim razumevanjem i identifikovanjem mogućih zloupotreba i ranjivosti. Na osnovu istraživanja realnih slučajeva zloupotreba GVI sistema uočeno je da su eksploatisane lako dostupne funkcionalnosti koje zahtevaju minimalno tehničko znanje, što predstavlja značajan rizik za bezbednost informacionog ekosistema. Pored zloupotrebe osnovnih funkcionalnosti samih GVI sistema, pojedini napadi iskorišćavaju ranjivosti modela, poput suparničkih napada, jailbreaking-a, ekstrakcije podataka i inverzije modela. U prezentaciji će biti prikazani realni primeri slučajevi zloupotrebe i napadi na GVI sisteme, kao i neka od mogućih rešenja.

Sreda, 26.03.2025. u 19:00, Online
Andreja Tepavčević, Matematički institut SANU; Prirodno-matematički fakultet, Univerzitet u Novom Sadu
OMEGA-STRUKTURE U PRIBLIŽNOM REŠAVANJU JEDNAČINA
U ovom izlaganju biće predstavljane neke napredne metode za rešavanje jednačina u situacijama kad su podaci nejasni, neprecizni ili nedostajući. Koriste se metode rasplinutih (fuzzy) skupova i rasplinute logike, koje su već dugi niz godina primenjivane u mnogim oblastima, od teorije kontrole do veštačke inteligencije. Posebno će biti predstavljene algebarske metode kod kojih su stepeni pripadanja elementi neke mreže ili uređenog skupa (tj. stepeni pripadanja ovde ne moraju biti uporedivi, što predstavlja uopštenje klasične situacije gde stepeni pripadanja pripadaju [0,1] intervalu realnih brojeva). Proces približnog rešavanja jednačina je u algebarskom smislu povezan sa takozvanim Omega-strukturama koje su dalje u vezi sa količničkim strukturama i mrežom slabih kongruencija pogodne algebre. Rezultati koji će biti predstavljeni dobijeni su u saradnji sa Branimirom Šešelja, Vanjom Stepanović i Jesusom Medina.
Istraživanje je sprovedeno uz podršku Fonda za nauku Republike Srbije, #6565, Napredne tehnike matematičke agregacije i aproksimativnog rešavanja jednačina u digitalnim operacionim istraživanjima AT-MATADOR


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
Biljana Stojanović
Sekretar seminara