Na prestiżowej konferencji European Conference on Artificial Intelligence 2025, jednym z najważniejszych wydarzeń naukowych w dziedzinie AI, pracownik Katedry Zastosowań Systemów Informatycznych, dr inż. Arkadiusz Lewicki przedstawił najnowsze wyniki badań zrealizowanych wraz z naukowacami Uniwersytetu Jagiellońskiego.
Praca zatytułowana „PrAViC – Probabilistic Adaptation Framework for Real-Time Video Classification” została zaprezentowana w głównej ścieżce konferencji. W wielu krytycznych zastosowaniach sztucznej inteligencji, takich jak monitorowanie stanu kierowcy, bezpieczna interakcja człowiek-robot, czy wykrywanie anomalii w badaniach echokardiograficznych, decyzje powinny być podejmowane w czasie rzeczywistym.
Często w ciągu milisekund. Tradycyjne modele konwolucyjnych sieci neuronowych 3D CNN wymagają jednak przetworzenia całej sekwencji wideo. Dopiero wówczas jest możlwy zwrot wyniku klasyfikacji. Znacząco ogranicza to zatem ich przydatność w scenariuszach wymagających niskiego opóźnienia. Przedstawiony na konferencji ECAI 2025 framework PrAViC wprowadza natomiast nowatorskie podejście oparte na probabilistycznej formulacji procesu decyzyjnego.
Dzięki ciągłej ocenie niepewności predykcji możliwe staje się wydawanie wiarygodnych decyzji znacznie wcześniej, nierzadko już po kilku początkowych klatkach, bez konieczności analizy całego materiału wideo. W przeprowadzonych eksperymentach PrAViC wykazał nawet 2,6-krotnie wyższą efektywność obliczeniową w porównaniu z klasycznymi metodami, przy jednoczesnym zachowaniu dokładności na poziomie 91–93% oraz pełnej zdolności do pracy w czasie rzeczywistym. Kluczową zaletą rozwiązania jest jego uniwersalność.
Framework nie wymaga bowiem modyfikacji architektury bazowego modelu, ani dodatkowego cyklu uczenia. Może być on zastosowany jako warstwa adaptacyjna do już istniejących sieci 3D CNN. Prezentacja dr. inż. Arkadiusza Lewickiego na konferencji ECAI 2025 wykazała, że dalszy rozwój sztucznej inteligencji nie ogranicza się wyłącznie do skalowania modeli i zwiększania ich parametrów. Równie istotne, a w wielu zastosowaniach krytycznych ważniejsze, jest bowiem projektowanie systemów zdolnych do szybkich, niezawodnych i interpretowalnych decyzji w warunkach ograniczonego czasu i zasobów obliczeniowych.
Praca spotkała się z dużym zainteresowaniem społeczności naukowej, potwierdzając wysoki poziom badań prowadzonych na naszej uczelni, w dziedzinie uczenia maszynowego i przetwarzania sekwencji wizyjnych w czasie rzeczywistym.
