01
jun
Ekipa Agenda Open Systems se je v maju udeležila enega največjih dogodkov s področja umetne inteligence v Evropi – konference AI WEEK 2026 v Milanu.
Konferenca je ponudila odličen vpogled v aktualne trende, razvoj AI rešitev in prihodnje smeri uporabe umetne inteligence v praksi. Poleg številnih predavanj, predstavitev in praktičnih primerov smo domov odnesli tudi veliko novih idej za nadaljnje projekte.
Udeležba na konferenci AI Week v Milanu je bila zanimiva in koristna izkušnja. Organizacija dogodka je bila dobra, prizorišče veliko in pregledno, predavanj ter različnih vsebin pa je bilo res veliko. Nekoliko zahtevnejše je bilo spremljanje programa, saj so bile vsebine v urniku pogosto predstavljene v angleščini, nato pa je predavanje potekalo v italijanščini, zato je bilo potrebno precej sproti prilagajati izbiro predavanj.
Kljub temu smo s konference odnesli veliko uporabnih informacij in dobili dober vpogled v smer razvoja umetne inteligence ter aktualne trende na področju AI rešitev. Poleg novih znanj smo dobili tudi kar nekaj idej in iztočnic za nadaljnje projekte ter uporabo AI tehnologij v praksi.
Najbolj se nam je v spomin vtisnilo predavanje Unsupervised Learning for Discovering Structure in Complex Systems, ki ga je vodil Mark Hamilton iz Google DeepMind in MIT.
Predavanje je predstavilo napredne pristope umetne inteligence za razumevanje in učenje iz neoznačenih podatkov, kot so slike, video in govor. Osrednja tema je bila razvoj algoritmov, ki lahko sami prepoznavajo strukture in vzorce brez predhodno označenih podatkov ali človeškega nadzora. Predavatelj je predstavil uporabo samonadzorovanih modelov za segmentacijo slik, povezavo različnih metod strojnega učenja v enotno teorijo representation learninga ter primere dekodiranja jezika zgolj z opazovanjem videoposnetkov govora. Posebej zanimiv del je bil prikaz raziskav na področju analize komunikacije delfinov z uporabo velikih AI modelov.
Ključna spoznanja:
- AI modeli postajajo vse bolj sposobni samostojnega učenja iz neoznačenih podatkov, brez klasičnega ročnega označevanja in priprave učnih baz.
- Različni pristopi strojnega učenja, kot so clustering, contrastive learning in dimensionality reduction, se vse bolj povezujejo v enotne modele in teorije.
- Razvoj umetne inteligence se hitro širi tudi na področja razumevanja govora, komunikacije in vedenja živih bitij, kar odpira popolnoma nove raziskovalne in praktične možnosti.
Predavanje je bilo eden izmed zanimivejših primerov na konferenci AI Week, saj je dobro prikazalo, kako hitro napreduje področje generativne in samonadzorovane umetne inteligence ter v kakšne smeri se razvijajo prihodnje AI tehnologije.
