Marko Pavlović, zamenik vođe “Grupe za vizuelno računarstvo i percepciju”
Koji su najznačajniji rezultati koje je Vaša istraživačka grupa postigla u oblasti računarskog vida i daljinske detekcije do sada?
Naša istraživačka grupa pri Institutu za veštačku inteligenciju Srbije ostvarila je značajne pomake u primeni tehnologija veštačke inteligencije na realne probleme. U oblasti računarskog vida, naše najznačajnije dostignuće je razvoj platforme za automatsku klasifikaciju i segmentaciju mamografskih snimaka.
Ova platforma koristi napredne algoritme dubokog učenja kako bi pomogla radiolozima u otkrivanju i dijagnostikovanju raka dojke. Ona se bavi ključnim izazovom u zdravstvenom sektoru, budući da rano otkrivanje raka dojke značajno poboljšava stope preživljavanja. Platforma služi kao alat za pomoć medicinskim stručnjacima, smanjuje njihov radni teret i pomaže u trijaži slučajeva, omogućavajući prioritetnu obradu onih koji zahtevaju hitnu pažnju. Takođe, može doprineti širem pristupu kvalitetnoj zdravstvenoj zaštiti u nedovoljno razvijenim regionima.
U oblasti daljinske detekcije, razvili smo AI model za procenu organskog ugljenika u zemljištu koj koristi snimke dobijene sa Sentinel-2 satelita. Ovo dostignuće je značajno za poljoprivredu i upravljanje životnom sredinom. Organski ugljenik u zemljištu je ključni pokazatelj zdravlja zemljišta, koji utiče na poljoprivrednu produktivnost i sposobnost sekvestracije ugljenika. Model pruža skalabilan, pristup proceni stanja zemljišta baziran na podacima na velikim površinama, smanjujući potrebu za skupim i dugotrajnim uzorkovanjem na terenu. Ova inovacija podržava održivu poljoprivredu, doprinosi borbi protiv klimatskih promena i usklađena je sa globalnim naporima za praćenje i upravljanje prirodnim resursima.
Koliko su tehnologije poput deep learning-a ili edge computing-a promenile način na koji radite na projektima daljinske detekcije?
Duboko učenje je unelo revoluciju u oblast daljinske detekcije, jer nam omogućava da izvučemo smislene uvide iz visoko-dimenzionalnih i složenih satelitskih podataka sa velikom preciznošću. Tradicionalne metode korišćene u daljinskoj detekciji oslanjale su se na ručno projektovanje karakteristika (feature-a) i statističke modele, što je bilo vremenski veoma zahtevno i ovakav pristup je sa sobom nosio ograničenja prilikom rada sa velikim skupovima podataka.
Duboko učenje, konkretno konvolucione neuronske mreže (CNN), omogućava nam da automatski učimo karakteristike direktno iz podataka, poboljšavajući preciznost predikcija i klasifikacija. Na primer, naša platforma za procenu organskog ugljenika u zemljištu oslanja se na CNN kako bi obradila i analizirala satelitske snimke Sentinel-2, omogućavajući otkrivanje suptilnih obrazaca koji bi bili teško uočljivi tradicionalnim metodama.
Kakav potencijal vidite u integraciji računarskog vida sa drugim tehnologijama, poput IoT-a ili proširene stvarnosti?
Integracija računarskog vida sa tehnologijama kao što su IoT i proširena stvarnost (AR) otvara transformativne mogućnosti u različitim industrijama.
U oblasti IoT-a, računarski vid može značajno unaprediti mogućnosti povezanih uređaja. Na primer, u pametnoj poljoprivredi, IoT senzori u kombinaciji sa sistemima za računarski vid mogu u realnom vremenu pratiti zdravlje useva, otkrivati štetočine i procenjivati uslove zemljišta. Ova integracija može dovesti do preciznijih i efikasnijih poljoprivrednih praksi, smanjujući rasipanje resursa i povećavajući prinose.
U pametnim gradovima, kamere sa računarskim vidom i IoT-om mogu unaprediti upravljanje saobraćajem, poboljšati bezbednost i pratiti uslove životne sredine poput kvaliteta vazduha.
Proširena stvarnost ima značajne koristi od napretka u računarskom vidu, budući da AR zavisi od preciznog otkrivanja i razumevanja fizičkog okruženja. U obrazovanju, AR u kombinaciji sa računarskim vidom može kreirati interaktivna iskustva učenja tako što će prikazivati digitalne sadržaje na stvarnim objektima. U zdravstvu, AR-asistirane operacije mogu koristiti računarski vid za identifikaciju anatomskih struktura, poboljšavajući preciznost i rezultate. U proizvodnji, AR može voditi radnike u sastavljanju složenih mašina, pružajući vizuelne instrukcije u realnom vremenu, smanjujući greške i povećavajući produktivnost.
Ove integracije ilustruju kako računarski vid deluje kao katalizator za izgradnju pametnijih, interaktivnijih i efikasnijih sistema, otvarajući put ka inovativnim rešenjima u različitim domenima.
Koje sektore u Srbiji vidite kao ključne korisnike Vaših istraživanja? Kako se računarstvo vida već implementira ili bi moglo da se implementira u tim sektorima?
Veštačka inteligencija utiče na sve grane industrije i menja način na koji se aktivnosti obavljaju. AI ima potencijal da se primeni u gotovo svim oblastima. Kada govorimo konkretno o našim istraživanjimu, u Srbiji se nekoliko sektora izdvajaju kao ključni korisnici, uključujući zdravstvo, poljoprivredu i proizvodnju.
Kao što sam već pomenuo, razvili smo platformu za automatsku klasifikaciju i segmentaciju mamografskih snimaka, koja može značajno poboljšati stope otkrivanja raka dojke, posebno u ruralnim oblastima gde je pristup specijalističkoj negi ograničen. Ova tehnologija se može proširiti i na druge medicinske modalitete, poput MRI ili CT skenera, čime bi se dodatno povećao njen uticaj. Takođe, postoji veliki potencijal za razvoj u dijagnostici drugih bolesti, što će svakako biti pravac našeg budućeg rada.
Poljoprivredni sektor u Srbiji može značajno da profitira od AI alata. Pored naše platforme za procenu organskog ugljenika u zemljištu, razvili smo i modele za procenu vlage u zemljištu, detekciju useva, teksture zemljišta, a trenutno radimo na modelu za procenu prinosa poljoprivrednih kultura. Svi ovi alati pružaju vredne uvide koji doprinose radu širokog spektra zainteresovanih strana, uključujući poljoprivrednike, poljoprivredne konsultante, kreatore politika i ekološke organizacije, i omogućavaju im da donose odluke bazirane na osnovu informacija. Takođe, alati pomažu u unapređenju poljoprivrednih praksi, optimizuju korišćenje resursa kao što su đubrivo i voda i promovišu održivo upravljanje zemljištem, što donosi koristi kako za životnu sredinu tako i za ekonomiju.
U proizvodnji računarski vid može automatizovati procese kontrole kvaliteta, osiguravajući konzistentnost i smanjenje troškova. Takođe, može se koristiti za prediktivno održavanje kroz identifikaciju znakova habanja ili oštećenja na opremi.
Primena AI rešenja u različitim sektorima može omogućiti Srbiji da poveća produktivnost, održivost i inovativnost, pozicionirajući je kao regionalnog lidera u usvajanju veštačke inteligencije.
Koji su ključni izazovi u upravljanju istraživačkom grupom i kako osiguravate visok nivo istraživačke izvrsnosti?
Vođenje istraživačke grupe dolazi sa nizom jedinstvenih izazova, posebno zbog specifične prirode našeg instituta, gde je potrebno ostvariti naučnu izvrsnost, ali i realizovati komercijalne projekte.
Neophodno je balansirati između administrativnih odgovornosti, kao što su pisanje i prijava projekata, izveštavanje, prisustvovanje sastancima sa brojnim zainteresovanim stranama, rešavanje pitanja nabavki, uz istovremeno stvaranje kreativnog i produktivnog istraživačkog okruženja. Ovo predstavlja ozbiljan izazov.
Angažovanje kvalitetnih i sposobnih istraživača je od suštinskog značaja. Međutim, zbog specifičnih uslova rada na Institutu, gde su potrebni zaposleni koji se bave naukom (doktorandi ili doktori nauka), a koji uz to poseduju i neophodan nivo tehničkog znanja, nije lako pronaći odgovarajuće kandidate. Konkurencija sa industrijom za vrhunske AI stručnjake je velika, a zadržavanje kadrova često zavisi od pružanja izazovnih projekata, mogućnosti za razvoj karijere i stmulišućeg radnog okruženja.
Istraživanje u oblasti AI, često zahteva značajne resurse u vidu računarskih kapaciteta, u pronalaženju i sređivanjnu skupova podataka, kao I u samom sprovođenju i eksperimenata. Pronalaženje mogućnosti za finansiranje i usklađivanje tih prilika sa ciljevima grupe je kontinuirani zadatak.
AI predstavlja jedno od najbrže razvijajućih područja istraživanja. Održavanje tima u toku sa najnovijim trendovima, alatima i metodologijama zahteva kontinuirano učenje i prilagođavanje.
Naša grupa postavlja i kratkoročne i dugoročne ciljeve, kroz koje obezbeđujemo usklađenost sa širom misijom Instituta i rad na aktuelnim izazovima iz stvarnog sveta.
Interdisciplinarna saradnja je ključna za rešavanje složenih problema. Podstičemo članove tima da rade sa stručnjacima iz različitih oblasti i sarađuju sa međunarodnim istraživačkim grupama. Trudimo se da stvaramo okruženje u kojem istraživači slobodno istražuju smele ideje i da uče iz svojih eksperimenata.
Podsticanje istraživača da objavljuju naučne rezultate u vodećim časopisima i predstavljaju svoja istraživanja na relevantnim međunarodnim konferencijama održava nas u kontaktu sa globalnom istraživačkom AI zajednicom i poboljšava vidljivost našeg Instituta.
Pored toga, redovne povratne informacije, mentorstvo i mogućnosti za dalji razvoj veština osiguravaju da naši istraživači rastu zajedno sa grupom.
Kako vidite mesto Srbije i Vašeg instituta u globalnom ekosistemu istraživanja veštačke inteligencije?
Srbija postupno zauzima mesto u globalnom ekosistemu veštačke inteligencije, a naš institut igra važnu ulogu u ovom putovanju. Kao prvi institut ovog tipa u regionu, cilj nam je da Srbiju pozicioniramo kao lidera u primenjenom istraživanju veštačke inteligencije. Srbija ima jedinstvenu priliku da iskoristi svoj snažan sistem tehničkog obrazovanja i rastuću zajednicu kvalifikovanih profesionalaca kako bi postala regionalni centar za inovacije veštačke inteligencije. Podsticanjem saradnje između akademske zajednice, industrije i države, možemo ubrzati razvoj najsavremenijih AI rešenja.
Naš institut aktivno učestvuje u međunarodnoj saradnji, uključujući projekte koje finansira EU, koji nam omogućavaju da doprinosimo i da koristimo širu, globalnu istraživačku AI agendu. Baveći se globalno relevantnim izazovima — kao što su rano otkrivanje raka i održiva poljoprivreda — pokazujemo kako relativno mala zemlja može imati značajan uticaj.
Takođe, vidimo sebe kao ambasadore etičkih i transparentnih praksi veštačke inteligencije, obezbeđujući da Srbija doprinese oblikovanju globalnog okvira veštačke inteligencije koji je u skladu sa zajedničkim vrednostima kao što su pravičnost, inkluzivnost i odgovornost.
Kako ocenjujete trenutne regulative u oblasti veštačke inteligencije i koliko one podržavaju ili otežavaju razvoj vaše oblasti?
U Srbiji smo u ranoj fazi uspostavljanja sveobuhvatnog regulatornog okvira za AI. Usklađivanje sa standardima EU, kao što je AI Act, korak je u pravom smeru, ali je važno osigurati da su ovi propisi praktični.
Sa druge strane, regulatorno okruženje takođe stvara mogućnosti. Jasne i dobro strukturisane smernice mogu da obezbede jednake uslove za istraživače i programere, obezbeđujući etičku konkurenciju i štiteći korisnike od potencijalne štete. U našem institutu aktivno učestvujemo u diskusijama oko regulative oko veštačke inteligencije, gde se zalažemo za okvire koji balansiraju između inovacija i odgovornosti.
S obzirom na sveobuhvatnu prirodu i transformacioni uticaj koji sa sobom nosi veštačka inteligenciju smatramo da je veoma važno da se podstiče što širi društveni dijalog kako bi se potpunije sagledali svi potencijalni izazovi.
Istraživač-pripravnik Milica Škipina, član “Grupe za vizuelno računarstvo i percepciju”
Sa kojim tehnologijama i alatima najviše radite u svakodnevnom istraživačkom procesu?
U svakodnevnom istraživačkom radu oslanjam se na Python kao osnovni alat, posebno na PyTorch, koji koristim za implementaciju i obuku modela dubokog učenja. Za obradu i analizu slika integrišem alate poput OpenCV-a, NumPy-ja za manipulaciju podacima i Matplotlib-a za vizualizaciju. Ove tehnologije primjenjujem u radu sa konvolutivnim neuronskim mrežama (CNN) za analizu slika, kao i u razvoju difuzionih modela namijenjenih generativnim zadacima. Pored toga, istražujem multimodalne modele koji integrišu različite tipove podataka, poput slika i teksta, kako bi se unaprijedila tačnost i efikasnost modela.
Na kojim projektima trenutno radite i koji je vaš specifičan doprinos timu?
Trenutno radim na projektu vezanom za mamografiju, gdje se bavim istraživanjem i razvojem metoda za analizu medicinskih slika. U istraživačkom dijelu, fokusiram se na unapređenje postojećih tehnika i implementaciju novih modela, dok u razvojnom dijelu primjenjujem konvolutivne neuronske mreže za klasifikaciju slika i detekciju anomalija. Ovo obuhvata razvoj modela koji omogućavaju automatsku identifikaciju potencijalnih problema na mamogramima, s ciljem poboljšanja tačnosti i efikasnosti analize.
Šta smatrate svojim najvećim izazovom kao mlađi istraživač u ovoj oblasti?
Kao mlađi istraživač u oblasti vještačke inteligencije, jedan od najvećih izazova je pratiti najnovije trendove i istraživanja u oblasti koja se stalno mijenja. Tehnologija brzo napreduje, a novi modeli i metode se neprestano pojavljuju, što zahtijeva stalno učenje i prilagođavanje. Takođe, rad sa velikim skupovima podataka i složenim modelima često zahtijeva optimizaciju i prilagođavanje postojećih tehnika, što može biti izazovno s obzirom na ograničenja resursa i vremena.
Kako ocenjujete značaj istraživačkog rada u Srbiji u poređenju sa globalnim trendovima u oblasti veštačke inteligencije?
Istraživački rad u Srbiji u oblasti veštačke inteligencije bilježi brz napredak, sa sve većim brojem istraživača i startapa koji rade na inovativnim rešenjima. Međutim, u poređenju sa globalnim trendovima, jedan od izazova je ograničena dostupnost resursa, dok veće zemlje ulažu znatna sredstva u istraživanje i razvoj. Vjerujem da bi jačanje saradnje sa međunarodnim institutima i industrijom omogućilo Srbiji da prati najnovije trendove i doprinese globalnom napretku u veštačkoj inteligenciji.
Na koji način smatrate da tehnologije na kojima radite mogu uticati na svakodnevni život ljudi?
Tehnologije na kojima radim, naročito u oblasti računske vizije i analize medicinskih slika, mogu značajno unaprijediti dijagnostičke procese, posebno u mamografiji, omogućavajući bržu i precizniju detekciju anomalija. Ovo doprinosi ranijem otkrivanju bolesti, što povećava šanse za uspješno liječenje i poboljšanje kvaliteta života pacijenata. Računska vizija, međutim, ima mnogo širu primjenu u svakodnevnom životu, od pametnih sistema i autonomnih vozila do automatizacije industrijskih procesa. Njena primjena može poboljšati efikasnost, sigurnost i korisničko iskustvo, čineći naš svakodnevni život lakšim, efikasnijim i produktivnijim.
