Europejska Rada ds. Badań Naukowych (ERC) ogłosiła laureatów prestiżowych grantów przyznawanych młodym naukowcom prowadzącym przełomowe badania. Jednym z nich jest dr inż. Rafał Kucharski z Wydziału Matematyki i Informatyki Uniwersytetu Jagiellońskiego.
W projekcie COeXISTENCE dr Kucharski wraz z zespołem będzie badał wykorzystanie sztucznej inteligencji jako sposobu na rozwiązanie problemów transportu w miastach. Celem projektu jest zdiagnozowanie potencjalnych konfliktów między ludźmi a sztuczną inteligencją w miastach przyszłości. Zaproponuje też metodę osiągania synergii i wspólnego korzystania z przestrzeni miejskiej.
Projekt będzie trwał pięć lat. Europejska Rada ds. Badań Naukowych przyznała 1,49 mln euro na realizację przedsięwzięcia.
Jakie ryzyka wiążą się z wprowadzeniem sztucznej inteligencji w miastach? Na jakich zasadach możemy pozwolić podejmować decyzje sztucznej inteligencji, by tak wykorzystać jej potencjał, ale też tak żeby nie tylko nie odbyło się to kosztem pozostałych, ale wręcz im pomagało? Na te i inne pytania odpowie zespół badawczy dra Rafała Kucharskiego.
W projekcie COeXISTENCE „Playing urban mobility game with intelligent machines. Simulation framework to discover and mitigate human-machine conflicts before they emerge” badacz wykorzysta swoje doświadczenia w modelowaniu systemów transportowych. Skorzysta także z doświadczenia Grupy Metod Uczenia Maszynowego (GMUM WMiI UJ) do symulacji gier pomiędzy ludźmi i maszynami w miastach przyszłości. W tych interdyscyplinarnych badaniach modele miejskich systemów transportowych będą łączone z modelami głębokiego uczenia maszynowego. W wirtualnym środowisku symulacyjnym ludzie (symulowani modelami behawioralnymi) i maszyny, używające głębokich sieci neuronowych do podejmowania optymalnych decyzji, wspólnie będą konkurować o ograniczone zasoby.
Celem dr. inż. Rafała Kucharskiego jest odkrycie nowego, wcześniej nieobserwowanego zjawiska: konfliktu między ludźmi a sztuczną inteligencją w miastach przyszłości. W adaptacyjnych systemach wieloagentowych część agentów (ludzie) będzie symulowana modelami behawioralnymi, a pozostali agenci (maszyny) będą symulowani głębokimi sieciami neuronowymi. Maszyny będą uczyć się na podstawie doświadczeń (tzw. głębokie uczenie ze wzmocnieniem; „deep reinforcement learning”) i optymalizować strategie. Najpierw nauczą się naśladować ludzi i ich zachowania, a następnie wykorzystają swoje przewagi, np. swoją moc obliczeniową, dostęp do danych i umiejętność współpracy, aby z nami wygrać. Będą chciały przechytrzyć nas i lepiej wykorzystać ograniczone zasoby w czterech grach, w które na co dzień, zazwyczaj nieświadomie, gramy z innymi mieszkańcami naszych miast. Chodzi o grę o wybór optymalnej ścieżki, grę o dostosowanie się do nowej sytuacji, grę o określenie najlepszej ceny i grę o zdobycie pasażera.
Dr inż. Rafał Kucharski pracuje na Wydziale Matematyki i Informatyki Uniwersytetu Jagiellońskiego od 2021 r. Zatrudniony został w ramach Programu Strategicznego Inicjatywa Doskonałości w UJ.
Kieruje grantem NCN Opus, prowadzonym w Grupie Metod Uczenia Maszynowego, gdzie nadzoruje prace 4-osobowego zespołu badawczego rozwijającego metody współdzielenia przejazdów w miastach.
Przed powrotem do Polski pracował jako postdoctoral researcher (2019-2021) w grancie ERC w Delft. Modelował i symulował tam działanie tzw. platform mobilnościowych takich jak Uber. Przed wyjazdem pracował na Politechnice Krakowskiej w zespole zajmującym się budową modeli transportowych wykorzystywanych m.in. w Krakowie i Warszawie. W trakcie doktoratu współpracował z Uniwersytetem La Sapienza w Rzymie, gdzie opracował algorytmy zarządzania ruchem miejskim w sytuacjach kryzysowych.
Biuro ds. Doskonałości Naukowej PAN (BDN PAN) wspierało dra Kucharskiego w tworzeniu aplikacji oraz na etapie przygotowań do panelu próbnego.
Oprac. BDN PAN
Fot. archiwum prywatne Rafała Kucharskiego
W serwisie PAN stosujemy pliki cookies w celu gromadzenia danych statystycznych oraz prawidłowego funkcjonowania serwisu. Pliki te mogą być umieszczane na Twoim urządzeniu do odczytu stron. Więcej informacji o celu używania i zmianie ustawień ciasteczek znajdziesz w naszej polityce prywatności.
