Секция „Моделиране и оптимизация“

Описание

С разрастващото се интегриране на решения базирани на изкуствения интелект (ИИ) във всяка област от живота ни е от съществено значение да се изследват неговите основни процеси от научна гледна точка. По-дълбокото разбиране на механизмите, които са в основата на ИИ, особено големите езикови модели (LLMs), е от решаващо значение за адресирането на техните ограничения, като пристрастия, липса на устойчивост и предизвикателствата на адаптивността в динамични среди. Чрез възприемане на строги научни методи можем не само да подобрим точността и надеждността на моделите на ИИ, но и да гарантираме, че те са в съответствие с етичните стандарти и обществените ценности. Това изследване е особено значение за развитието на ИИ системи, които в близко бъдеще се цели да са не само мощни, но също така надеждни, справедливи и отговорни.

Настоящият етап на ИИ показва забележителни постижения в обработката на естествен език и взаимодействието човек-компютър. Тези модели демонстрираха безпрецедентни способности в разбирането и генерирането на текст, наподобяващ човешки, което доведе до широко приложение в различни области – от автоматизирани системи за отговор на запитвания до сложни изследователски инструменти. Въпреки тези постижения, остават значителни предизвикателства. LLMs могат да наследяват и дори да усилват социални пристрастия, заложени в техните обучителни данни, което води до изкривени, неетични или дори вредни резултати, като расистки изказвания, дезинформация или утвърждаване на стереотипи. Освен това, адаптивността на тези модели в реално време, способността им да функционират ефективно в многоагентни системи и съгласуваността им с човешките предпочитания остават критични области за активно изследване и бъдещи проучвания.

За да преодолеем тези предизвикателства и напълно да използваме потенциала на ИИ, е необходимо да възприемем систематичен и научен подход. Това включва подробно изучаване и усъвършенстване на моделите на ИИ, разработване на стабилни и разнообразни набори от данни и прилагане на усъвършенствани техники за фино настройване (fine-tuning) и оптимизация. Дълбокото разбиране на основните процеси на ИИ на научно ниво може да доведе до създаването на модели, които са по-устойчиви, адаптивни и способни да функционират в сложни, динамични среди. Освен това този подход отваря възможности за създаване на иновативни методи за оценка и намаляване на пристрастията, което гарантира, че ИИ системите са не само справедливи и включващи, но и способни да откриват и противодействат на проблеми като расизъм, дезинформация и други форми на вредно съдържание.

Екип

• Ръководител на изследователския екип Проф. д-р Татяна Атанасова ИИКТ-БАН
• Проф. д-р Десислава Иванова Технически университет – София
• Доц. д-р Кристина Динева ИИКТ-БАН
• Д-р Пламен Петров ИИКТ-БАН
• Д-р Виктор Данев ИИКТ-БАН
• Велизар Върбанов ИИКТ-БАН
• Калин Копанов ИИКТ-БАН

Работни пакети и график

Публикации и резултати

Публикувани (2025)

1. Dineva, K., Atanasova, T., Kopanov, K. Data Collection Methodology for Artificial Intelligence Models in Socially Relevant Areas. International Multidisciplinary Scientific GeoConference SGEM, 25, 2.1, SGEM, 2025, ISBN:978-619-7603-89-7, ISSN:1314-2704, DOI:10.5593/sgem2025/2.1/s07.02, pp. 13–18.
2. Dineva, K., Atanasova, T., Varbanov, V. Analysis of Data Fragmentation in Artificial Intelligence Models to Improve Decision-Making Processes in Socially Significant Areas. International Multidisciplinary Scientific GeoConference SGEM, 25, 2.1, SGEM, 2025, ISBN:978-619-7603-89-7, ISSN:1314-2704, DOI:10.5593/sgem2025/2.1/s07.03.
3. Kopanov, K., Atanasova, T. A Comparative Pattern Analysis of Qwen 2.5 and Gemma 3 Text Generation. WSEAS Transactions on Information Science and Applications, 22, WSEAS Press, 2025, ISSN:2224-3402, DOI:10.37394/23209.2025.22.50, pp. 604–615.
4. Kopanov, K., Atanasova, T. Evaluating Semantic Preservation in Multilingual Round-Trip Translation. 39th European Simulation and Modelling Conference ESM’2025, Ghent, Belgium, EUROSIS-ETI, 2025, pp. 87–94.
5. Petrov, P., Atanasova, T. Enhancing Students’ Communication Skills with AI-Powered VR Soft Skills Training. 23rd Industrial Simulation Conference ISC’2025, EUROSIS-ETI, 2025, ISBN:978-9-492859-35-8, pp. 48–51.
6. Staykov, B., Atanasova, T. Smart Control System for Photovoltaic Power Plants. 23rd Industrial Simulation Conference ISC’2025, EUROSIS-ETI, 2025, ISBN:978-9-492859-35-8, pp. 67–71.
7. Varbanov, V., Atanasova, T. Improving Industrial Control System Cybersecurity with Time-Series Prediction Models. Engineering Proceedings, 101(1), 4, MDPI, 2025, ISSN:2673-4591, DOI:10.3390/engproc2025101004.
8. Varbanov, V., Atanasova, T. Renewable Energy Infrastructure: Vulnerability Mapping and Predictive Risk Modeling. 25th International Scientific Multidisciplinary Conference SGEM 2025, 25, 4.1, SGEM, 2025, ISBN:978-619-7603-83-5, ISSN:1314-2704, DOI:10.5593/sgem2025/4.1/s16.18, pp. 141–150.
9. Atanasova, T., Danev, V., Dineva, K. Integrating AI into the Energy Transition Towards Renewable Energy Sources. 10th International Conference on Energy Efficiency and Agricultural Engineering EE&AE 2025, Stara Zagora, Bulgaria, IEEE, 2025, pp. 1–6, DOI:10.1109/EEAE65901.2025.11273792.

Приети за печат (2025)

1. Danev, V., Muchanova, V. Optimization Industrial Workflow with IoT and AI. 51st International Conference „Applications of Mathematics in Engineering and Economics“ AMEE 2025, приета за печат.
2. Dineva, K., Atanasova, T. A Cloud-Based Architecture for Automated Data Extraction and Integration from Multiple Government Sources. SGEM International Scientific Conferences on Earth & Planetary Sciences, Vienna, декември 2025, SGEM, приета за печат.
3. Dineva, K., Atanasova, T. Green Energy and Digitalization: A Theoretical Perspective on the Role of Decentralized Technologies. SGEM International Scientific Conferences on Earth & Planetary Sciences, Vienna, декември 2025, SGEM, приета за печат.
4. Kopanov, K., Atanasova, T. Degradation of Stylometric Attribution Accuracy for AI-Generated Text. 51st International Conference „Applications of Mathematics in Engineering and Economics“ AMEE 2025, приета за печат.
5. Kopanov, K., Atanasova, T. Scaling Quantum Support Vector Machines for AI-Generated Text Attribution: Dimensionality, Shots, and Linguistic Feature Insights. ICAMCS 2025 – 5th International Conference on Applied Mathematics & Computer Science, приета за печат.
6. Petrov, P., Atanasova, T. Integrating AI-Generated 3D Models into Education: A Methodological Approach. 51st International Conference „Applications of Mathematics in Engineering and Economics“ AMEE 2025, приета за печат.
7. Varbanov, V., Atanasova, T. Detecting Information Operations Using Machine Learning Algorithms. 51st International Conference „Applications of Mathematics in Engineering and Economics“ AMEE 2025, приета за печат.

Ресурси

Информацията ще бъде добавена скоро.