{"id":4550,"date":"2024-09-16T13:58:19","date_gmt":"2024-09-16T11:58:19","guid":{"rendered":"https:\/\/haimagazine.com\/?p=4550"},"modified":"2025-06-26T13:57:28","modified_gmt":"2025-06-26T11:57:28","slug":"przeglad-ciekawych-projektow-naukowych-ai-wrzesien-2024","status":"publish","type":"post","link":"https:\/\/haimagazine.com\/pl\/hai-magazine\/przeglad-ciekawych-projektow-naukowych-ai-wrzesien-2024\/","title":{"rendered":"Przegl\u0105d ciekawych projekt\u00f3w naukowych AI \u2013 wrzesie\u0144 2024"},"content":{"rendered":"

UMIE datasets: milion obraz\u00f3w dla AI<\/mark><\/a><\/h4>

Naukowcy z interdyscyplinarnej grupy badawczej TheLion.AI, kierowanej przez Barbar\u0119 Klaudel, opublikowali najwi\u0119kszy na \u015bwiecie zbi\u00f3r danych obrazowania diagnostycznego o nazwie UMIE (Universal Medical Image Encoder) datasets. Projekt ten \u0142\u0105czy ponad milion obraz\u00f3w medycznych z 20 otwartych \u017ar\u00f3de\u0142 i obejmuje obrazy CT, MRI i rentgenowskie wielu narz\u0105d\u00f3w. Ka\u017cdy obraz posiada etykiet\u0119 lub\/i mask\u0119 segmentacyjn\u0105. Projekt ma rozwi\u0105zywa\u0107 problemy z dost\u0119pno\u015bci\u0105 i standaryzacj\u0105 danych medycznych, kt\u00f3re hamuj\u0105 rozw\u00f3j modeli fundacyjnych w medycynie. Grupa badawcza udost\u0119pni\u0142a r\u00f3wnie\u017c narz\u0119dzia do przetwarzania nowych zbior\u00f3w danych, kt\u00f3re umo\u017cliwiaj\u0105 \u0142atwe rozszerzanie datasetu. Projekt jest obecnie w fazie alfa i zostanie wkr\u00f3tce udost\u0119pniony na platformie HuggingFace, by stworzy\u0107 nowe mo\u017cliwo\u015bci dla badaczy i praktyk\u00f3w w dziedzinie medycznej AI.<\/p>

\"\"<\/figure>

Autentyczno\u015b\u0107 nagra<\/mark><\/a>\u0144<\/mark><\/a> g\u0142osowych<\/mark><\/a><\/h4>

Najnowsze badania w dziedzinie autentyczno\u015bci g\u0142osu, autorstwa m.in. Piotra Kawy, badacza z Politechniki Wroc\u0142awskiej, przynosz\u0105 istotne innowacje, kt\u00f3re mog\u0105 zrewolucjonizowa\u0107 spos\u00f3b, w jaki identyfikujemy i analizujemy nagrania d\u017awi\u0119kowe. W pierwszym z nich, zatytu\u0142owanym MLAAD: The Multi-Language Audio Anti-Spoofing Dataset, naukowcy stworzyli wieloj\u0119zyczny zbi\u00f3r danych, kt\u00f3ry ma na celu przeciwdzia\u0142anie oszustwom g\u0142osowym. Zbi\u00f3r ten obejmuje 160,2 godziny nagra\u0144 syntetycznego g\u0142osu m\u00f3wi\u0105cego w 23 j\u0119zykach, generowanego przy u\u017cyciu 52 modeli syntezator\u00f3w mowy opartych na 22 r\u00f3\u017cnych architekturach. Drugi artyku\u0142, A New Approach to Voice Authenticity, proponuje zupe\u0142nie nowe podej\u015bcie do kwestii autentyczno\u015bci nagra\u0144 g\u0142osowych. Zamiast dotychczasowego podzia\u0142u na d\u017awi\u0119ki \u201eprawdziwe\u201d i \u201efa\u0142szywe\u201d wprowadzono koncepcj\u0119 identyfikowania \u201eedycji g\u0142osu\u201d. Metody te, podzielone na sze\u015b\u0107 kategorii, obejmuj\u0105 zar\u00f3wno nowoczesne techniki, takie jak syntezowanie mowy i przekszta\u0142canie g\u0142osu, jak i tradycyjne manipulacje, takie jak filtry, zniekszta\u0142cenia, ci\u0119cia i zmiany pr\u0119dko\u015bci. Nawet prosta zmiana, jak spowolnienie d\u017awi\u0119ku czy \u017ale dobrana korekcja, mo\u017ce znacz\u0105co wp\u0142yn\u0105\u0107 na postrzeganie autentyczno\u015bci i wiarygodno\u015bci m\u00f3wcy.<\/p>

ProvenView: rewolucja w weryfikacji autentyczno\u015bci rozm\u00f3w online<\/mark><\/a><\/h4>

Naukowcy z IDEAS NCBR opracowali prototypowe oprogramowanie ProvenView, kt\u00f3re mo\u017ce zrewolucjonizowa\u0107 spos\u00f3b weryfikacji wiarygodno\u015bci rozm\u00f3w online. Projekt, stworzony przez Shahriara Ebrahimiego i Paris\u0119 Hassanizadeh pod kierownictwem prof. Stefana Dziembowskiego, wykorzystuje technologi\u0119 Zero-Knowledge Proofs (ZKP) do autoryzacji bez po\u015brednika. ProvenView umo\u017cliwia tworzenie cyfrowego dowodu autentyczno\u015bci nagrania, kt\u00f3ry mo\u017cna p\u00f3\u017aniej zweryfikowa\u0107 bez konieczno\u015bci ogl\u0105dania ca\u0142ego materia\u0142u. To innowacyjne rozwi\u0105zanie zosta\u0142o nagrodzone podczas hackathonu ZK Hack Krak\u00f3w w maju 2024 roku. Profesor Dziembowski podkre\u015bla znaczenie tego projektu: \u201eTechnologia Zero-Knowledge Proofs jeszcze dekad\u0119 temu uwa\u017cana by\u0142a za dziedzin\u0119 wy\u0142\u0105cznie teoretyczn\u0105, bli\u017csz\u0105 czystej matematyce ni\u017c zastosowaniom informatyki. W ostatnich latach byli\u015bmy \u015bwiadkami dramatycznej zmiany w tej dziedzinie. Sta\u0142o si\u0119 to dzi\u0119ki wielu prze\u0142omowym usprawnieniom tej technologii, a tak\u017ce dzi\u0119ki jej popularyzacji za spraw\u0105 blockchaina. Rozwi\u0105zanie ProvenView stanowi jeszcze jeden spektakularny przyk\u0142ad tego, jak ZKP mo\u017ce by\u0107 wykorzystywane w walce z zagro\u017ceniami wsp\u00f3\u0142czesnego \u015bwiata cyfrowego\u201d. Cho\u0107 ProvenView jest obecnie w fazie eksperymentalnej, wszystko wskazuje na to, \u017ce takie metody mog\u0105 znale\u017a\u0107 praktyczne zastosowanie w przysz\u0142o\u015bci.<\/p>

\"\"<\/p>

POLygraph \u2013 polskie narz\u0119dzie do wykrywania fake news\u00f3w<\/mark><\/a><\/h4>

Naukowcy z Uniwersytetu Adama Mickiewicza w Poznaniu opracowuj\u0105 prze\u0142omowe narz\u0119dzie do wykrywania fake news\u00f3w tworzonych w j\u0119zyku polskim. Projekt POLygraph, kt\u00f3ry wykorzystuje zaawansowane metody przetwarzania j\u0119zyka naturalnego i big data, ma szans\u0119 zrewolucjonizowa\u0107 walk\u0119 z dezinformacj\u0105 w polskim internecie. Kluczem do sukcesu s\u0105 obszerne bazy danych: fake-or-not z ponad 11 tysi\u0105cami par artyku\u0142\u00f3w oraz fake-they-say z 5 tysi\u0105cami artyku\u0142\u00f3w i komentuj\u0105cymi je tweetami. Innowacyjne podej\u015bcie polega na analizie nie tylko samych wiadomo\u015bci, ale te\u017c reakcji u\u017cytkownik\u00f3w, co pozwala lepiej zrozumie\u0107 mechanizmy rozprzestrzeniania si\u0119 fake news\u00f3w. W lipcu 2024 roku zesp\u00f3\u0142 opublikowa\u0142 na arxiv.org artyku\u0142 POLygraph: Polish Fake News Dataset, kt\u00f3ry prezentowa\u0142 metodologi\u0119 i wst\u0119pne wyniki bada\u0144. To wa\u017cny krok w kierunku transparentno\u015bci i udost\u0119pnienia cennego zasobu badaczom zajmuj\u0105cym si\u0119 dezinformacj\u0105 w kontek\u015bcie polskoj\u0119zycznym.<\/p>

\"\"<\/p>

Prze\u0142omowe badanie nad estymacj\u0105 LID<\/mark><\/a><\/h4>

Naukowcy z kilku czo\u0142owych instytucji badawczych, w tym Uniwersytetu Warszawskiego, NASK, Snowflake oraz ETH Zurich, opublikowali prze\u0142omowe badanie dotycz\u0105ce metod estymacji lokalnego wymiaru wewn\u0119trznego (LID) danych. Artyku\u0142 pod tytu\u0142em A Wiener process perspective on local intrinsic dimension estimation methods prezentuje nowatorskie spojrzenie na istniej\u0105ce algorytmy poprzez pryzmat procesu Wienera. G\u0142\u00f3wnym celem badania jest analiza nowych, parametrycznych metod estymacji LID, kt\u00f3re wykorzystuj\u0105 modele generatywne do aproksymacji g\u0119sto\u015bci danych.<\/p>

Umo\u017cliwia to skalowanie do zbior\u00f3w o wysokiej wymiarowo\u015bci, takich jak obrazy. Autorzy \u2013 Piotr Tempczyk, \u0141ukasz Garncarek, Dominik Filipiak oraz Adam Kurpisz \u2013 wskazuj\u0105, \u017ce dodanie szumu gaussowskiego do danych mo\u017cna interpretowa\u0107 jako badanie ewolucji procesu Wienera, kt\u00f3ry opisuje dyfuzj\u0119 cz\u0105stek w przestrzeni. Badacze przeanalizowali zachowanie nowoczesnych algorytm\u00f3w w r\u00f3\u017cnych warunkach, a tak\u017ce b\u0142\u0119dy, kt\u00f3re algorytmy pope\u0142niaj\u0105 w zale\u017cno\u015bci od g\u0119sto\u015bci prawdopodobie\u0144stwa danych.<\/p>

Efektem jest dok\u0142adniejsze matematyczne opisanie tych metod oraz identyfikacja kluczowych parametr\u00f3w, kt\u00f3re wp\u0142ywaj\u0105 na ich wydajno\u015b\u0107. Artyku\u0142 wyr\u00f3\u017cnia si\u0119 r\u00f3wnie\u017c wprowadzeniem nowych kategorii algorytm\u00f3w estymacji LID bazuj\u0105cych na procesie Wienera: algorytm\u00f3w izolowanych i holistycznych. Podzia\u0142 ten umo\u017cliwia lepsze zrozumienie i klasyfikacj\u0119 istniej\u0105cych oraz przysz\u0142ych metod. Wyniki bada\u0144 mog\u0105 znacz\u0105co wp\u0142yn\u0105\u0107 na dalszy rozw\u00f3j algorytm\u00f3w uczenia maszynowego, zw\u0142aszcza w kontek\u015bcie analizy danych wysokowymiarowych i wykrywania anomalii. Praca ta stanowi wa\u017cny krok naprz\u00f3d w dziedzinie analizy topologicznej danych i estymacji wymiarowo\u015bci.<\/p>

\"\"<\/p>

Wczesne diagnozowanie choroby Alzheimera dzi\u0119ki sztucznej inteligencji<\/mark><\/a><\/h4>

Naukowcy z Uniwersytetu Medycznego we Wroc\u0142awiu oraz z Uniwersytetu Bosto\u0144skiego opracowali pioniersk\u0105 metod\u0119 wczesnego diagnozowania i prognozowania choroby Alzheimera. Poprzez wykorzystanie sztucznej inteligencji do analizy mowy pacjenta badacze stworzyli nowe mo\u017cliwo\u015bci walki z t\u0105 podst\u0119pn\u0105 chorob\u0105. Wroc\u0142awski zesp\u00f3\u0142 opracowa\u0142 innowacyjne narz\u0119dzie diagnostyczne, kt\u00f3re wymaga jedynie 10-sekundowego nagrania pacjenta wymawiaj\u0105cego samog\u0142osk\u0119 \u201ea\u201d. Naukowcy d\u0105\u017c\u0105 do tego, aby ich narz\u0119dzie diagnostyczne trafi\u0142o na smartfony, by umo\u017cliwi\u0107 szerokiemu gronu odbiorc\u00f3w wczesne wykrycie choroby bez ponoszenia znacznych nak\u0142ad\u00f3w finansowych.<\/p>

\"\"<\/p>","protected":false},"excerpt":{"rendered":"

Jak to si\u0119 robi w nauce?<\/p>\n","protected":false},"author":47,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"rank_math_lock_modified_date":false,"footnotes":""},"categories":[402,756,759,754,404],"tags":[520,521],"popular":[],"difficulty-level":[],"ppma_author":[351],"class_list":["post-4550","post","type-post","status-publish","format-standard","hentry","category-hai-magazine","category-ai_branza","category-edukacja","category-hai_premium","category-hai-magazine-2","tag-projekty-naukowe","tag-przeglad"],"acf":[],"authors":[{"term_id":351,"user_id":47,"is_guest":0,"slug":"campusai","display_name":"CampusAI","avatar_url":"https:\/\/secure.gravatar.com\/avatar\/f23ffef6e324f9ad078af1ba3d0114bcf3289b25a27ed25e23f4cd47ecb0b278?s=96&d=mm&r=g","first_name":"CampusAI","last_name":"","user_url":"","job_title":"","description":"CampusAI to Tw\u00f3j przewodnik po \u015bwiecie AI, stworzony zar\u00f3wno dla pocz\u0105tkuj\u0105cych, jak i dla ekspert\u00f3w. Dzi\u0119ki CampusAI ka\u017cdy mo\u017ce odkry\u0107 i wykorzysta\u0107 potencja\u0142 generatywnej sztucznej inteligencji."}],"_links":{"self":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/4550","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/comments?post=4550"}],"version-history":[{"count":4,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/4550\/revisions"}],"predecessor-version":[{"id":5573,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/4550\/revisions\/5573"}],"wp:attachment":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/media?parent=4550"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/categories?post=4550"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/tags?post=4550"},{"taxonomy":"popular","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/popular?post=4550"},{"taxonomy":"difficulty-level","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/difficulty-level?post=4550"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/ppma_author?post=4550"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}