Започнахме от най-сложната и значима част на TM, а именно изучаването на човешкия мозък и свързаните с него заболявания, наречена Транслационна невронаука [TН], която разширява разбиранията за мозъчната структура, функция и заболявания и прхвърля тези познания към клинични приложения и нови терапии на разстройствата на нервната система. TН се занимава с нарушенията на неврологичното развитие и невродегенеративните заболявания.

Нарушенията на неврологичното развитие са болести, обхващащи епилепсия, болести от аутистичния спектър (ASD), затруднения в ученето, и някои невромускулни заболявания. Изследванията на TН са фокусирани върху изясняването на механизмите и причините и за нарушенията на неврологичното развитие, независимо дали са генетични, екологични или комбинирани, и също и върху тактиките за превенция и лечение, когато това е възможно.

Невродегенеративните заболявания са резултат от невронна загуба на функция с течение на времето, което води до клетъчна смърт. Например болестта на Алцхаймер, болестта на Паркинсон и т.н. Изследванията на TН се фокусират върху механизмите за тези заболявания и отражението им върху приема на на лекарства.

Методи, данни, времеви структури и модели

Нашата методология включва медицински изображения, структури от данни, ИИ модели и аналитични и терапевтични техники като електрофизиология, невро-imaging, генна терапия и стволови клетки, жизнени показатели и поведение, мозъчни мрежи, динамични модели и др. Планираме да използваме изчислителни модели върху сложни процеси в различни мащаби на разглеждане и динамиката на сложните мрежи. Нашата концепция е да поставим моделите в центъра на изследванията. По този начин динамичните модели и изкуствения интелект и техниките за обучение заедно с мрежовата динамика могат да обвържат различните модалности и мащаби в мощен инструмент за научноизследователска и развойна дейност. Очакваните резултати са изцяло персонализирани и същевременно дават пълна представа за позицията на конкретния пациент в спектъра на неврологичните заболявания като цяло.

Целеви направления на научноизследователската дейност:

Направление 1. Болест на Алцхаймер. Болестта на Алцхаймер продължава да бъде активно направление в плановете за научноизследователска и развойна дейност на GATE. Продължавайки научните изследвания в областта, планираме да обогатим набора от необходими условия за ранна диагностика на заболяването и да разширим резултатите за други видове деменция и подобни заболявания.

Направление 2. Наблюдение на пациента чрез дистанционни сензори в реално време и известяване за опасни събития. Целта е да се изгради система в реално време, използваща дистанционни оптични сензори, която следва и защитава пациента, като предупреждава при нарушаване на жизнените функции (признаците на живот) или при опазност от летални синдроми като SUDEP, SIDS, централна апнея и др.

Направление 3. Мултистабилна автономна невродинамика. Целта е да се изгради нова рамка за моделиране на автономни системи, използвайки физиологично мотивирани нелинейни многостабилни модели с физиологично информиран избор на параметри.

Направление 4. Виртуален пациент. Създаване на компютърни архитектури, подобни на мозъка, за целите на клиничната диагностика и наблюдение. Системата може да поставя за решаване клинични проблеми, свързани със системни дефицити, поведенчески проблеми и други патологични състояния, като ефективно предоставя платформа за симулация „виртуален пациент“ за тестване на нови коригиращи или контролиращи подходи и терапии.

Направление 5. Прогнозиране на лекарствения отговор. Ние не планираме да подходим към проблема на молекулярно и генетично ниво (micro-scale), както в проучванията на прецизната медицина, а на нивото на мащабни (large-scale) измервания, модели и мрежова динамика.

Синергия и сътрудничество

Дигиталното здравеопазване не е самостоятелна посока на GATE. Синергията между него и останалите теми за стратегически приложения на GATE може да се види в:

a) градивните елементи на reinforced, autonomous learning използвани за персонализиране в реално време; наблюдение на обществени места в реално време; откриване и предупреждение за различни рискови събития, типове поведение и др.;

б) припокриването на заобикалящите методологии и области на приложение, с останалите теми а именно: големи данни, ИИ, системен анализ, иновативни алгоритми, информатика, математика, теория на графите, науки за живота, физически науки, компютърно зрение, наука за данни, машинно обучение, медицински изображения, биомаркери , модели на свързване и др.

Разработването на проектите на GATE в областта на Дигиталното здравеопазване се осъществява в сътрудничество с водещи световни университети, болници, научни и обществени организации.

Отвъд „умния“ град е богатият на информация град, представен с интелигентни модели, които подпомагат планирането, проектирането, симулирането и анализа на всички измерения на града, използвайки потенциала на големите данни и изкуствения интелект.

Научните изследвания в темата „Градове на бъдещето” са фокусирани в следните области.

Семантично обогатените 3D градски модели са фундаментална основа за създаването на цифрови двойници на градовете. Те осигуряват цифрово представяне на градските райони и улесняват следващите анализи и симулации като например симулации на разпространение на замърсители, шум и вятър, анализ на енергийна ефективност и др., които изискват поставяне на архитектурния дизайн и градската среда в контекст (например анализ на зрителните коридори и засенчване, откриване на колизии при окабеляване и тръбопроводи под земята, въздействие на вятъра върху фасадите на сградите). Разработването на семантично богати 3D градски модели включва следните насоки за изследване:

• Консистентност между модели
• Семантична оперативна съвместимост на данни
• Качество и управление на данните

Семантично богатите 3D градски модели отключват потенциала на алгоритмите и техниките за гео-пространствен изкуствен интелект (Geospatial Artificial Intelligence – GeoAI), свързан с географско откриване на знания от пространствени големи данни и отвъд това. GeoAI съчетава силните страни на науката за пространствените данни и изкуствения интелект за справяне с реални проблеми чрез прилагане на интердисциплинарен подход (съчетаване на различни научни области, включително компютърни науки, пространствени науки, строително инженерство, архитектурен дизайн, статистика, машинно самообучение и др.). Методите и подходите от науката за пространствените данни следват жизнения цикъл на големите данни, включвайки стъпки за управление на данните, тяхната интеграция, моделиране, анализ и визуализация.

Необходимо е разработването на усъвършенствани методи за симулация и визуализация, които да прогнозират бъдещото поведение на градската среда и да визуализират както качествени, така и количествени данни, като представят социални и екологични параметри, влияещи върху качеството на живот на хората. Симулациите подпомагат градското планиране чрез представяне на важни градски характеристики и рискови сценарии като микроклимат, комфорт спрямо вятъра, качество на въздуха, наводнения, излагане на шум и електромагнитно поле. Предизвикателство е да се намери подходящо ниво на визуализация на данните (ниво на детайлност и ниво на абстракция), както и абстракция на представяне, без да се губи богатството на информацията. Новите методи и инструменти се разработват, осигурявайки комбинация от наблюдения в реалния свят и експерименти с виртуална реалност, прилагайки както физиологични, така и поведенчески техники, насочени към различни сетива като зрение, слух, допир и движение.

Повече за научноизследователската работа в тази приложна област ще намерите на: http://city.gate-ai.eu/

В нашата работа ние следваме двустранен подход, съчетаващ научни изследвания и образование в областта на откриването на дезинформация.

В изследванията ние сме пионери в разработването и предоставянето на достъп до инструменти за анализ на дезинформация на български език. Ние също така събираме данни, които други изследователи могат да използват повторно. Тази работа се допълва от изследвания на подходящи инструменти, методи, участници, посредници, динамика на разпространение и приоритетни цели на кампаниите за откриване на дезинформация на български и други езици.

Образованието по медийна и информационна грамотност е важен фактор за намаляване на разпространението на дезинформация. Ето защо ние работим с педагози, журналисти и с тези групи от населението, които са особено податливи на дезинформация (възрастните хора и младото поколение).

Целеви групи

Дезинформацията се различава по своето въздействие върху различните общности. Сред общата критична дезинформация се открояват темите за здравна погрешна информация и дезинформация (включително COVID-19 и ваксинация), текстове срещу ЕС, темите за етническите малцинства, изменението на климата, обществени личности, политика и икономика. Ние ще следим също и теми, които са приоритетни за  тийнейджърите и младите хора (здраве и начин на живот, знаменитости, външен вид, спорт).

Партньори

AI4Media, Център за върхови постижения, който предоставя авангардни изследвания в областта на изкуствения интелект и обучение в услуга на медиите, обществото и демокрацията

Aсоциация за развитие на информационното общество

Център за изследване на демокрацията

Nационална библиотека „Иван Вазов“, Пловдив

Ontotext

Проекти

Водещ проект за изследване на дезинформацията

Главен изследовател по проекта: Доц. д-р Милена Добрева

Този проект се фокусира върху компилирането на набори от данни, които позволяват да се изследва дезинформацията в българските социални медии, както и върху тестване и разработване на инструменти за анализ.

В рамките на проекта предоставяме и непрекъснати обучения за професионално развитие на журналисти, библиотекари, учители и млади изследователи.

Свързани публикации:

Disinformation research in Bulgarian datasets and tools

Expanding the boundaries of disinformation research on Bulgarian social media content: the experience from an inspirational summer school

Проведени събития:

GATE организира лятна школа за откриване на дезинформация

Автоматично разпознаване на написана от хора или автоматично генерирана чрез дийпфейк методи текстова дезинформация в социалните медии за езици с малко ресурси (TRACES)

Финансиран от AI4Media, Център за върхови постижения, който предоставя авангардни изследвания в областта на изкуствения интелект и обучение в услуга на медиите, обществото и демокрацията

Главен изследовател по проекта: Д-р Ирина Темникова

TRACES (2022-2023) разработва нови методи за откриване на дезинформация на български език, който е с малко ресурси по отношение на средствата за откриване на дезинформация и предоставените ресурси. Иновативността на TRACES е в откриването както на целенасочена дезинформация написана от хора, така и на такава, генерирана с дийпфейк технологии, разпознаване на дезинформацията по нейното намерение, интердисциплинарната комбинация от решения и създаването на пакет от методи, набори от данни и насоки за създаване на такива методи и ресурси за други езици с малко ресурси.

InterPARES Trust AI

Главен изследовател по проекта: Доц. д-р Милена Добрева

InterPARES Trust AI (2021-2026) е мултинационален интердисциплинарен проект, насочен към проектиране, разработване и използване на изкуствен интелект за поддържане на текущата наличност и достъпност на надеждни публични записи чрез формиране на устойчиво, непрекъснато партньорство, което води до оригинални изследвания, обучение на студенти и друг висококвалифициран персонал, както и създаване на мрежа между академичните среди, архивните институции, работещите с административни  документи и индустрията, с цел увеличаване на знанията и възможностите на всяка страна.

Проведени събития:

AI in Archives: I Trust AI Sets a Grand Scene

За да бъдат конкурентоспособни и да оцелеят във все по-сложната ситуация днес, компаниите са подтикнати да се превърнат в „умни предприятия“ – способни да извличат добавена стойност от данни, хора и други активи, използвайки  новите технологии като големи данни, Интернет на нещата, кибер-физични системи и др.

В тематичната област „Умна индустрия“, Институтът GATE работи по следните изследователски предизвикателства:

• Наблюдение и разбиране на заобикалящата среда. Събирането на данни от вътрешни производствени процеси, както и от външни вериги за търсене и предлагане на продукти, идващи от хетерогенни източници, е ключов фактор за получаване на ново разбиране на заобикалящата среда.
• Обяснителен изкуствен интелект. Разработване на по-лесно разбираеми модели, докато същевременно се поддържа високо ниво на прецизност и се позволява на хората-потребители да разбират, да се доверяват на и ефективно да управляват появяващото се поколение партньори с помощта на изкуствения интелект.
• Вземане на  широкообхватни решения. Разрешаване на проблеми, свързани с вземането на решения и оптимизацията, за по-ефективен контрол на производствените процеси и извличане на бизнес стойност от големи набори данни.

Цифров двойник, изграден върху големи данни. Моделиране на производствените процеси и извличане на потребителски нагласи за постигане на по-бързо навлизане на продуктите на пазара, създаване на по-добри продукти и услуги, по-бързо откриване на физически проблеми, намаляване на дефектите, по-точно предсказване на резултати, подобрени операции, по-добро обслужване и създаване на нови бизнес модели, които да генерират приходи.