Tvaraus dirbtinio intelekto (TDI) mokslo grupė nagrinėja paaiškinamų, patikimų ir etiškai atsakingų dirbtinio intelekto (DI) technologijų kūrimą ir taikymą, orientuodamasi į Jungtinių Tautų Darnaus vystymosi tikslus (SDGs). Grupės tikslas – suprasti, kaip DI sprendimai gali būti atsakingai integruojami į sudėtingas visuomenines bei aplinkosaugines sistemas, užtikrinant skaidrumą, atskaitomybę ir ilgalaikį tvarumą.
Centrinę tyrimų kryptį sudaro paaiškinamas dirbtinis intelektas (XAI) bei patikimi, etiškai pagrįsti modeliai, atitinkantys Europos Sąjungos vertybes ir teisinę aplinką, įskaitant ES Dirbtinio intelekto aktą (AI Act) ir Bendrąjį duomenų apsaugos reglamentą (GDPR). Grupė siekia kurti paaiškinamus DI sprendimų priėmimo algoritmus – kad naudotojai, reguliuotojai ir visuomenės atstovai galėtų aiškiai suprasti, kaip ir kodėl priimami konkretūs sprendimai. Tai ypač svarbu tokiose srityse kaip sveikatos apsauga, energetika ar viešoji politika, kur pasitikėjimas, sąžiningumas ir šališkumo mažinimas yra esminiai principai.
TDI taip pat tyrinėja, kaip algoritmų skaidrumas ir socialinis suderinamumas gali būti įtraukti į DI sistemų projektavimą nuo pat pradžių, o ne kaip vėlesnė korekcija. Grupė taip pat aktyviai prisideda prie atvirų anotuotų duomenų rinkinių kūrimo ir jų sklaidos moksliniams tyrimams, taikant privatumo apsaugą užtikrinančius metodus.
Vadovaudamasi tvarios skaitmeninės plėtros principais, grupė vykdo tyrimus TinyML srityje ir kuria HPC-nepriklausomus algoritmus skaičiavimams kraštiniuose įrenginiuose (angl. edge computing). Tokie lengvieji modeliai mažina energijos sąnaudas ir leidžia realiuoju laiku taikyti DI technologijas net ir ribotų išteklių aplinkose, kartu sumažinant poveikį aplinkai.
TDI veikla yra tarpdisciplininė, jungianti informatiką, filosofiją, socialinius mokslus ir tvarumo studijas. Praktinis tyrimų pritaikymas orientuotas į visuomenės gerovę, nuo energijos vartojimo optimizavimo, klimato kaitos prisitaikymo, išmanaus mobilumo iki skaitmeninės sveikatos sprendimų ir įtraukios urbanistikos valdymo. Technologinė pažanga čia suvokiama kaip pažanga, kuri turi būti įtrauki, teisinga ir aplinkai draugiška.
Pagrindinės tyrimų temos:
- Interpretuojami ir paaiškinami DI sprendimai
- Tvari algoritmų inžinerija
- TinyML ir mažos galios modelių kūrimas kraštiniam skaičiavimui
- Privatumą užtikrinantys DI modeliai ir duomenys
- Šališkumui jautrūs mokymosi algoritmai
- DI rizikos vertinimo sistemos pagal ES AI aktą
- Sintetinių duomenų panaudojimas DI sprendimuose
Tyrimų paslaugos:
- Paaiškinamo DI (XAI) sistemų kūrimas
- Privatumo išsaugojančių atvirųjų anotuotų (taip pat ir sintetinių) duomenų rinkinių kūrimas
- DI sistemų atitikties auditavimas pagal nustatytus rodiklius (pvz., ES AI aktas, GDPR)
- TinyML ir mažos galios DI modelių kūrimas kraštiniam skaičiavimui ribotų resursų aplinkose
- DI sistemų patikimumo testavimo protokolų kūrimas
- Tvarumo vertinimas dirbtinio intelekto sistemose, įskaitant anglies dioksido pėdsako modeliavimą ir energinio efektyvumo analizę