Com-in-AI: Najbolji projekti srpskih naučnika iz oblasti veštačke inteligencije

Fond za nauku Republike Srbije i National Geographic predstavljaju vam najuspešnijie srpske naučnike i njihove projekte iz oblasti veštačke inteligencije.

Com-in-AI: Najbolji projekti srpskih naučnika iz oblasti veštačke inteligencije Foto: Privatna arhiva

U okviru Programa za razvoj projekata iz oblasti veštačke inteligencije koji finansira Fond za nauku, među 12 najboljih, našao se i projekat Com-in-AI, kojim rukovodi dr Zoran Perić, redovni profesor na Elektronskom fakultetu Univerziteta u Nišu.

Projekat pod nazivom Napredne metode kvantizacije, kompresije i učenja u veštačkoj inteligenciji, bio je i deo izložbe koja je bila organizovana na Kalemegdanu tokom oktobra 2020. godine. Ovaj projekat će se realizovati u naredne dve godine.

Šta je Com-in-AI?

Aplikacije koje svakodnevno koristimo zasnivaju se na primeni složenih algoritama. Zbog svoje složenosti, AI algoritmi zahtevaju kompleksnu softversku implementaciju kao i značajne hardverske resurse, procesorsku snagu i memoriju, a pritom troše veliku količinu energije, što ograničava njihovu primenu.

Naučnici na projektu Com-in-AI će u okviru svog istraživanja raditi na smanjenju složenosti AI algoritama, što će omogućiti njihovu efikasniju primenu i mnogo širu upotrebu u aplikacijama koje rade u realnom vremenu, kod kojih je kašnjenje kritično. Efikasnije i manje zahtevne neuronske mreže moći će lakše da se implementiraju na pametnim telefonima, pametnim satovima, pametnim prenosivim ili kućnim aparatima, čime će se omogućiti korisnicima da direktno osete benefite sofisticiranih AI algoritama. Takođe je važna primena optimizovanih neuronskih mreža u aplikacijama koje se koriste u zdravstvenoj zaštiti, koje su zasnovane na primeni AI algoritmima, poput onih kod nosivih dijagnostičkih uređaja. Ovo će posebno važno biti osobama sa invaliditetom, starijim osobama ili osobama kojima je potreban životni asistent.

U cilju šire primene AI algoritama i implementacije na prenosnim i terminalnim uređajima, koji imaju ograničenu memoriju i procesorsku snagu, kao i često veoma ograničenu količinu raspoložive energije, poslednjih godina sprovedena su brojna istraživanja usmerena ka smanjenju kompleksnosti izvršenja AI algoritama i potrebnih hardverskih resursa za njihovu implementaciju.
U tom smislu, posebno važan i aktuelan pravac istraživanja kojim se bave neki od vodećih istraživača u oblasti AI jeste primena kvantizacije i kompresije u dubokom učenju u cilju smanjenja kompleksnosti algoritama. Iako su postignuti određeni rezultati koji su publikovani u eminentnim naučnim časopisima, još uvek uticaj kvantizacije i kompresije na tačnost rada AI algoritama nije dovoljno istražen i postoji velika potreba da se ostvari značajan doprinos i velika poboljšanja u ovoj oblasti.

com-in-ai_1
Foto: Privatna arhiva

Ovo je motivisalo naučni tim Com-in-AI da primeni svoje znanje i iskustvo stečeno višedecenijskim bavljenjem problemima kvantizacije, kompresije i optimizacije u rešavanju pomenutog problema. U okviru projekta naučnici će se baviti analizom suštine rada i povećanjem efikasnosti metoda i algoritama dubokog učenja, sa posebnim akcentom na razvoju inovativnih metoda kompresije i kvantizacije parametara dubokih neuronskih mreža (DNN), sa ciljem da se omogući digitalna reprezentacija ovih parametara sa znatno manjim brojem bita - od dva do šest bita umesto do sada uobičajenih 32 bita, a da se pritom očuva visoka tačnost rada neuronske mreže, što će za posledicu imati ne samo značajno smanjenje složenosti softverske implementacije, kompleksnosti izvršavanja i potrebnih hardverskih resursa, već će omogućiti i brže izvršavanje AI algoritama.

U projektu se razmatraju algoritmi dubokog učenja, algoritmi za klasterovanje i klasifikaciju kao i algoritmi za otkrivanje zakonitosti u podacima, sa ciljem da se dodatno unaprede i učine bržim i efikasnijim za implementaciju. Vršiće se statistička analiza i modelovanje paramatara ovih algoritama na osnovu kojih će se dalje projektovati sistem za kvantizaciju i kompresiju ovih parametara radi ubrzanja procesa učenja i efikasnijeg izvršavanja AI algoritama.

Ovaj projekat ima za cilj razvoj novih metoda za smanjenje složenosti AI algoritama i potrebnih hardverskih resursa korišćenjem naprednih tehnika kvantizacije i kompresije i snažne ekspertize projektnog tima u toj oblasti.

Glavni cilj istraživanja je da se kompleksna DNN mreža sa velikim brojem parametara učini kompaktnijom i efikasnijom, primenom novih i inovativnih metoda kvantizacije i kompresije. Rezultati ovog projekta imaće širok spektar primene, kako u akademskim krugovima, tako i u industriji, posebno u brojnim servisima kod kojih se zahteva veoma malo kašnjenje, odnosno veoma brz odziv sistema.

Inovativni istraživački pristupi, ideje, smernice i rezultati u AI oblasti ostvareni na projektu će biti javno dostupni, što će imati snažan uticaj na buduća istraživanja u AI oblasti na svetskom nivou. Iako će rezultati istraživanja biti fundamentalnog karaktera, oni će imati i veliki praktični značaj i primenu. Budući da će se u projektu razviti novi AI algoritmi smanjene složenosti koji se mogu izvršavati na terminalnim uređajima, biće omogućena njihova znatno šira i efikasnija primena u industrijskim okruženjima, u mnogim važnim aplikacijama i medicinskoj dijagnostici.

Projektni tim se sastoji od vrhunskih istraživača koji zajedno imaju više od 150 naučnih radova publikovanih u međunarodnim časopisima, veliki broj realizovanih naučnih projekata, kao i projekata sa privredom. Pored rukovodioca projekta, tim čine još dva profesora, dva docenta i dva mlada istraživača sa Elektronskog fakulteta u Nišu, kao i jedan istraživač iz dijaspore sa Univerziteta u Luksemburgu.

 

Možda će vas zanimati i:



bonus video
ostavite komentar
Inicijalizacija u toku...
U prodaji je oktobarsko izdanje časopisa National Geographic Srbija.