Тема:ОБРАДА СИГНАЛА – Друга емисија: Цомпрессед сенсинг – компримујући одабир сигнала, Марковљева случајна поља, статистичко моделовање слике, статистичко моделовање сигнала, виртуелна рестаурација и анализа дигитализованих уметничких дела, рестаурација слике и видеа, вештачка интелигенција и унцертаинтy – неодређеност, неизвесност и визуелна интелигенција
Статистичко моделовање са Марковљевим случајним пољима са применама на пољу обраде сигнала јесте једна од области у којој је допринос проф. др Александре Пижурице са Универзитета Гент веома уважен у свету, а у вези с којим је и велики део од, према Гоогле Сцхолар-у, готово 3000 цитата из радова ове научнице. Она је професорка на Департману за телекомункације и обраду информација Универзитета Гент у Белгији и руководилац лабораторије Статистичко моделовање слике.
Теорија Марковљевих случајних поља има веома широку примену. Једна од примена је у новој теорији цомпрессед сенсинг – компримујућем одабиру сигнала. Интересује нас на шта се односи теорија компримујућег одабира сигнала и ком циљу стреми, да ли се и у чему додирује са феноменом Биг Дата и да ли ће побољштати свакодневицу и које техничко-технолошке области.
Занимају нас и друге примене теорије Марковљевих случајних поља и која је њена суштина.
Најуже области научног рада и интересовања др Пижурице су статистичко моделовање сигнала, мултирезолуциона репрезентација сигнала, рестаурација слике и видеа, разумевање и моделовање визуелне перцепције и визуелне интелигенције, са применама у прикупљању сигнала на даљину, формирању и анализи медицинске слике и у рестаурацији и анализи дигитализованих уметничких слика и на њима је тежиште претходног и овог издања Дијалога култура посвећеном обради сигнала.
Када је реч о вештачкој интелигенцији такође нас интересују оне области којима др Пижурица даје научни допринос са великм бројем радова чији је заједнички именитељ унцертаинтy – неодређеност, неизвесност. Она објашњава: „Термин неизвесности или неодређености означава у вештачкој интелигенцији ситуације у којима немамо потпуно сигурно знање и потпуно поуздане комплетне информације о датој ситуацији, а ипак морамо да донесемо одлуку да на најбољи могући начин реагујемо. У већини реалиних ситуација то и јесте случај. Недостатак потпуних информација тада надокнађујемо статистичким моделовањем у виду вероватноћа одређених узрока и ситуација које могу имати утицаја на оптималну акцију. У књизи Расела и Норвига која је референца за модерну теорију вештачке интелигенције и коју и ја користим као референцу у курсу који држим, каже се на врло леп и шаљив начин да пробабилистичко резоновање надокнађује последице лењости и игноранције. Под лењошћу се при томе подразумева на неки начин наша неспремност или негодовање да побројимо све могуће узроке за дату појаву. Узмите на пример симптом главобоље. Има стотине и више узрока који могу изазвати главобољу и тешко је све њих побројати. Под игноранцијом се са друге стране подразумева наше недовољно знање или недовољан приступ комплетним подацима, свим мерењима које би можда требало извршити али је то немогуће у датом времену и датим условима. Значи тај резон у условима неизвестности заправо потпомогнут алатима статистичког моделовања и оптималне Бајесове естимације омогућава да се дође до рационалне одлуке или акције у таквим ситуацијама где немамо једноставне одреднице типа ако ово онда оно у том случају.“ У вези са актуелним питањем саме вештачке интелигенције тј. способности учења из релативно малог броја датих примера и прилагођавања на нове ситуације, нове сценарије када је о применама реч др Пижурица између осталог каже: „Вештачка интелигенција већ сада се користи увелико у многим гранама, у многим практичним применама. Поменула сам овде неколико примера са аутоматизованим такси возачима које вероватно можемо очекивати у врло блиској будућности али исто тако постоје компјутерски навођене најсавременије операције, или ако се сетимо несрећа које су се догодиле са нуклеаркама у Фокушими где очигледно слање робота који могу да отклоне неки квар или узрок а да се при томе људски животи не излажу опасности је недвосмислено од великог значаја. Такође има много других разних примера. Када погледамо истраживања свемира у свемирским станицама често постоји могућност да аутоматизовани агенти донесу сами одлуку којом ће планирати даље извршење акције, отклонити грешку или квар, тако да је таквих примера безброј у свакодневном животу и разним гранама науке и привреде и ја верујем да ће нам вештачка интелигенција у будућности бити све више од користи у свим тим применама.“
Др Пижурица у емисији говори и о изазовима у разумевању и моделовању визуелне перцепције односно визуелној интелигенцији.
Др Александра Пижурица нас упознаје и са актуелним пројектима у области поправљања и виртуелне рестаурације и анализе дигитализованих уметичких слика које такође остварује њена група и лабораторија, као и са њеним радовима и предавањима у тој области, као што је онај о кодовању визуелне „мустре“, облика на Поенкаеровој сфери „Висуал паттерн енцодинг он тхе Поинцаре спхере“ који је први пута представила на семинару УЦЛ-Дуке Wорксхоп он „Сенсинг анд Аналyсис оф Хигх-Дименсионал Дата“.
