RIJEKA – Nakon nedavnih istraživanja u kojima je izvršeno predviđanje širenja koronavirusa metodama umjetne inteligencije znanstveno-istraživački tim s Tehničkog fakulteta Sveučilišta u Rijeci, pod vodstvom prof.dr. Zlatana Cara, nastavlja rad u domeni primjene umjetne inteligencije, a rad tog tima u partnerstvu s Univerzitetom u Kragujevcu i KBC-om Rijeka omogućio je dobivanje europskog projekta “Use of Regressive Artificial Intelligence (AI) and Machine Learning (ML) Methods in Modelling of COVID-19 spread – COVIDAi”, nedavno prihvaćenog za financiranje od strane Central European Initiative (CEI) u konkurenciji od preko 4.500 prijava.

– Cilj projekta je razviti jednostavne modele za medicinsku upotrebu korištenjem AI algoritama pomoću superračunalne infrastrukture. Osim pružanja informacija o postojećoj krizi i pružanja regresijskih modela predviđanja temeljenih na dosad prikupljenim podacima, istraživanje će omogućiti širenje znanja o modeliranju visoko zaraznih bolesti pomoću tehnika zasnovanih na umjetnoj inteligenciji.

Korištenjem metoda objavljenih u znanstvenom članku “Modeling the spread of COVID-19 infection using a multilayer perceptron”, u suradnji sa znanstvenicima Kragujevačkog sveučilišta, odrađeno je predviđanje kretanja zaraze, odnosno trenda takozvane “epidemijske krivulje” koja opisuje broj aktivnih slučaja koronavirusa u vremenu.

Ovakva istraživanja su iznimno važna jer osim primjene na aktualni koronavirus, razvijaju se metode koje omogućavaju brzu reakciju na buduće potencijalne zdravstvene krize slične prirode, objašnjava prof. dr. Car.

Zlatan Car pored računala Bura

Proteklih mjeseci njegov je tim objavio više znanstvenih radova vezanih na temu COVID. Zadnji rad objavljen je u prestižnom međunarodnom znanstvenom časopisu “Complexity”, s temom predviđanjem utjecaja koronavirusa na pad cijena sirove nafte i vrijednosti indeksa tržišta dionica S&P, DJI i NASDAQ Composite.

– Posljedice pandemije nisu utjecale samo na zdravstvenu nego i na onu ekonomsku sliku svijeta stoga je riječ o iznimno važnom istraživanju koje je zainteresiralo vodeće svjetske ekonomiste i institucije. Prikupljeni podatci s ranije spomenutih indeksa obrađeni su korištenjem takozvane stacionarne valićne transformacije (SWT) koja je omogućila njihovu dekompoziciju i korištenje u treniranju Bidirectional Long-Short-Term Memory (BDLSTM) mreže – metode umjetne inteligencije koja omogućava učenje na postojećim podacima kako bi ostvarila predviđanje kretanja vrijednosti u budućnosti, kaže prof. dr. Car.

Glavni autor rada je Daniel Štifanić, stručni suradnik Zavoda za automatiku i elektroniku Tehničkog fakulteta, a koautori znanstvenog rada “Impact of COVID-19 on Forecasting Stock Prices: An Integration of Stationary Wavelet Transform and Bidirectional Long Short-Term Memory”, su stručni suradnici Jelena Musulin, Adrijana Miočevič, Sandi Baressi Šegota, prof. dr. Zlatan Car te doc. dr. Roman Šubić, viceguverner Hrvatske narodne banke.

Razvijeni sustav daje mogućnost visokokvalitetnog predviđanja kretanja vrijednosti indeksa i cijena sirove nafte u razdoblju od pet dana što je značajan period u već volatilnom tržištu poljuljanom posljedicama koronavirusa, a glavni autor Štifanić vjeruje da će ovo i slična istraživanja omogućiti lakše nošenje s utjecajima koronavirusa na svjetsko ekonomsko tržište kroz pružanje alata za predviđanje te se na svojem doktoratu namjerava nastaviti baviti primjenom i razvojem algoritama umjetne inteligencije u domeni ekonomije i financija.

Nakon ove uspješne suradnje planira se daljnji nastavak istraživanja s djelatnicima Hrvatske narodne banke, a prof.dr. Car vjeruje da postoji velika mogućnost primjene umjetne inteligencije, odnosno znanosti o podacima, unutar ekonomskog sustava naše države, regije i svijeta. Njegov tim bavi se istraživanjima koja se temelje na primjeni i razvoju algoritama umjetne inteligencije na različitim područjima, kao što je u tehničkim znanostima poput energetike, pogonskih sustava, robotike i nanosenzorike za detekciju bojnih otrova, ali i u područjima ekonomije te medicine.

– Sudjelujemo u brojnim projektima kao što je “DATACROSS” pri Znanstvenom centru izvrsnosti i “SmartCity.4DII” projekt Centra kompetencija za pametne gradove. Uz predviđanje širenja koronavirusa i njegovog utjecaja u suradnji s prof.dr. Josipom Španjolom, predstojnikom Klinike za urologiju KBC-a Rijeka razvijen je i sustav za klasifikaciju rezultata optičke biopsije umjetnom inteligencijom, a rezultati ovog istraživanja objavljeni su u časopisu “Artificial Intelligence in Medicine”, unutar članka glavnog autora Ivana Lorencina “Using multi-layer perceptron with Laplacian edge detector for bladder cancer diagnosis”. Osim suradnje unutar Hrvatske tim surađuje sa znanstvenicima iz Češke, Slovačke, Srbije i Japana, kaže prof.dr. Car.

Tim, dodaje, nastavlja s radom vezanim uz koronavirus te je nedavno u članku “Estimation of COVID-19 Epidemic Curves Using Genetic Programing Algorithm” opisana metoda umjetne inteligencije i evolucijskog računarstva, odnosno algoritma genetskog programiranja, za svrhu dobivanja jednadžbi širenja zaraze koronavirusa, a članak je prošao međunarodnu recenziju u vodećem svjetskom časopisu “Health Informatics Journal.”