Explanation Pilot Training

Початкові ідеї щодо пілотного навчання в рамках проєкту JICA з

Підтримки розвитку ІТ-кадрів в Україні

У рамках ініціативи JICA до січня 2026 року буде заплановано та впроваджено три пілотні навчальні програми. Нижче представлені початкові ідеї трьох пілотних програм. 

Пілотний тренінг 1: Дистанційна освіта (спеціальні семінари)

Спеціальний семінар(-и) у форматі вебінару буде проведений для студентів ІТ-спеціальностей в Україні з метою співпраці з японськими / польськими компаніями та подальшого працевлаштування. Семінар(-и) також допоможе українським університетам шукати можливості для співпраці з японськими / польськими університетами та компаніями. Лекції на семінарі(-ах) читатимуть професори та фахівці з японських та польських університетів і компаній, які зацікавлені в українському ІТ-секторі. 

У таблиці нижче представлено початкову ідею про спеціальні семінари. Остаточний зміст і терміни будуть визначені за результатами цього анкетування та діалогу із зацікавленими університетами / компаніями. 

Початкова ідея спеціального(-их) семінару(-ів)

Пілотний тренінг 2: Дистанційне навчання (Проєктне / проблемно-орієнтоване навчання в рамках спільного міжнародного онлайн-навчання: Пілотні класи PBL/COIL) 

Навчання PBL/COIL буде проводитися для студентів університетів через підготовку викладачів українських університетів як факультативних занять у тестовому режимі для вивчення побічного ефекту цієї пілотної ініціативи в українських університетах. Теми тренінгів будуть остаточно визначені на основі результатів аналізу анкетування, але наразі передбачається, що темою тренінгу будуть практичні навички роботи з даними. Мова навчання — англійська.

По-перше, фахівці з японських університетів / компаній, які співпрацюють з викладачами Польсько-Японської академії інформаційних технологій (PJAIT) у Польщі, проведуть інструкторську підготовку для викладачів українських університетів, запрошених до PJAIT або японських університетів, в очному або онлайн форматі. Інструкторська підготовка триватиме кілька днів. 

Далі, під керівництвом викладачів, які пройшли інструкторську підготовку, студенти університетів з інструкторських лабораторій українських університетів, PJAIT та японських університетів формуватимуть групи іноземних студентів, співпрацюватимуть та братимуть участь у тренінгу PBL/COIL на основі їхньої участі у практичних завданнях з аналізу даних, таких як Kaggle^[1] , або спеціальних завданнях (проблеми в реальному світі) від викладачів або ІТ-компаній. Тренінг триватиме протягом 10 занять (наприклад, 90 хв./заняття х 10 разів, включно з лекціями та роботою в групах). 

Тренінг PBL/COIL забезпечить навчальне середовище, у якому українські та польські студенти зможуть співпрацювати та конкурувати зі спільними цілями, розробляючи рішення для вирішення ділових і соціальних проблем. На завершення, кожна група представить свої пропозиції або продукт та отримає коментарі від учасників (українських інструкторів, японських інструкторів, польських інструкторів та ІТ-компаній). Найвидатніша група отримає певний приз. Презентація триватиме близько 3 годин. 

___________________________________________

[1]    Kaggle — це платформа, де учасники з усього світу змагаються за точність у вирішенні практичних завдань з аналізу даних; бали Kaggle слугують доказом майстерності та часто використовуються компаніями як вимога до кандидатів на роботу. https://www.kaggle.com/

Пілотний тренінг 3: Короткостроковий тренінг (дослідження) 

Короткострокове навчання має на меті надати можливість українським дослідникам в українських університетах підвищити свій дослідницький потенціал та міжнародну мережу, співпрацювати з дослідниками Польсько-Японської Академії Інформаційних Технологій (PJAIT) та японськими університетами.  

PJAIT вже представив чотири дослідницькі теми для спільних досліджень з українськими та японськими університетами. Таким чином, короткострокове навчання має бути сплановане таким чином, щоб воно відповідало цим чотирьом темам, з огляду на реалізацію спільних досліджень на наступному етапі після 2026 року. Зміст дослідницьких тем наведено у додатку.

Короткострокове навчання планується та реалізується відповідно до наступних процедур. По-перше, дослідники з українських і японських університетів, зацікавлені в кожній з чотирьох дослідницьких тем, запрошуються до подання заявок. Дослідникам, які подадуть заявку, буде надана контактна інформація про наукових керівників (PIs) PJAIT.

По-друге, дослідники зв'яжуться з науковими керівниками PJAIT, щоб підтвердити та обговорити, чи збігаються їхні дослідницькі інтереси з інтересами PJAIT. На основі цих консультацій, наукові керівники вирішать, чи формувати дослідницьку групу, що складатиметься з дослідників з трьох країн.

По-третє, після того, як дослідницькі групи будуть сформовані, кожна дослідницька група запропонує зміст і тривалість короткострокового дослідження, яке буде проведено протягом цього року, на основі цієї пропозиції буде визначено фактичний короткостроковий тренінг, який буде реалізовано відповідно до бюджету.

Додаток: Чотири дослідницькі теми PJAIT 

Тема 1

 Аналіз біомедичних сигналів 

Керівник проєкту: проф. д-р Гжегож Марцін Вуйцік (Grzegorz Marcin Wójcik)

Біомедичний аналіз сигналів використовує методи науки про дані для вилучення цінної інформації з різних фізіологічних сигналів, таких як ЕКГ, ЕЕГ та МРТ. Методи науки про дані, такі як машинне навчання та обробка сигналів, допомагають дослідникам і медичним працівникам виявляти аномалії, діагностувати захворювання і розробляти прогностичні моделі для персоналізованої медичної допомоги, що в кінцевому підсумку поліпшує результати лікування пацієнтів.

Психічні розлади, такі як депресія, посттравматичний стресовий розлад (ПТСР), вигорання та синдром хронічної втоми (СХВ) є серйозними проблемами як для окремих людей, так і для систем охорони здоров'я. Депресія — це розлад настрою, що характеризується постійним відчуттям смутку і втрати інтересу, що впливає на повсякденне життя і функціонування. ПТСР виникає внаслідок впливу травматичного досвіду і призводить до нав'язливих спогадів, емоційного розладу та гіперзбудження. Вигорання, яке часто виникає внаслідок хронічного стресу на робочому місці, проявляється як емоційне виснаження, відстороненість і зниження професійної продуктивності. СХВ характеризується надзвичайною, стійкою втомою, що супроводжується когнітивними труднощами та фізичним дискомфортом. Ці стани виникають внаслідок складної взаємодії генетичних, екологічних і психологічних факторів. Ефективне лікування часто передбачає поєднання терапії, медикаментозного лікування, модифікації способу життя та систем підтримки для сприяння одужанню, оскільки ці розлади можуть глибоко впливати як на психічне, так і на фізичне благополуччя.

Біомаркери депресії мають вирішальне значення для поглиблення розуміння та лікування цього складного психічного розладу. Ці біологічні показники можуть містити результати нейровізуалізації, такі як структурні та функціональні зміни в певних ділянках мозку, а також молекулярні маркери, виявлені в крові або спинномозковій рідині, зокрема цитокіни, нейротрансмітери та рівень кортизолу. Генетичні фактори також впливають на вразливість людини до депресії. Визначення надійних біомаркерів може допомогти в ранній діагностиці, прогнозуванні реакції на лікування та спрямувати розробку цілеспрямованої терапії, що в кінцевому підсумку поліпшить догляд за пацієнтами та зменшить значний тягар депресії в усьому світі. З огляду на багатогранну природу депресії, ймовірно, знадобиться комбінація біомаркерів, щоб охопити всю складність розладу.

Так само біомаркери ПТСР мають важливе значення для вдосконалення виявлення, розуміння та лікування цього серйозного стану. Біомаркери ПТСР часто пов'язані зі змінами в таких структурах мозку, як мигдалина, гіпокамп і префронтальна кора, які відіграють ключову роль в обробці страху та емоційній регуляції. Порушення регуляції рівня гормонів стресу, зокрема кортизолу, а також маркери запалення і дисбаланс нейротрансмітерів, є причиною розвитку ПТСР. Генетична схильність також може впливати на ймовірність розвитку ПТСР після травматичного досвіду. Визначення точних і послідовних біомаркерів полегшить ранню діагностику, поліпшить прогностичні оцінки і дозволить розробити персоналізовані, більш ефективні стратегії лікування. Оскільки ПТСР є складним, гетерогенним розладом, для комплексної та ефективної стратегії лікування, ймовірно, потрібен мультимодальний підхід, що поєднує біологічні, психологічні та екологічні біомаркери.

Ще однією нагальною проблемою, особливо після конфліктів, які неминуче завершаться, є поширеність ПТСР серед колишніх військовослужбовців і цивільних громадян. Подолання наслідків війни для психічного здоров'я та забезпечення належних систем підтримки матимуть вирішальне значення в більш широкому процесі відновлення як для окремих осіб, так і для громад.

Кафедра інтелектуальних систем та інформаційних технологій пропонує співпрацю в проєктах, що стосуються вищезазначеної проблематики, і чекає на потенційних партнерів найближчим часом.

Тема 1A — вже наявна співпраця — це спільний дослідницький проєкт PJAIT та Хмельницького університету в Україні

Тема 2 

Багатомовне та міжмовне виявлення та розвінчання дезінформації 

Керівник проєкту: Професор, д-р хаб Адам Вержбицький (hab Adam Wierzbicki)

Поряд з розвитком LLM і генеративних LLM був досягнутий прогрес у створенні багатомовних моделей. GPT був навчений на наборах даних більш ніж сотнею мов, три з яких мають найбільшу частку (англійська, французька та німецька), і досягає конкурентоспроможних результатів у машинному перекладі. LLM, такі як XLMRoberta, здатні машинно класифікувати дезінформацію кількома мовами. 

Метою цього проєкту є продовження досліджень з багатомовного та міжмовного виявлення та спростування дезінформації з використанням генеративних LLM, таких як GPT-3.5, GPT-4, LLaMA, PaLM2 тощо. Наша мета — не просто виявляти дезінформацію, а й автоматично генерувати детальний висновок про наявність дезінформації та її спростування, забезпечуючи прозорість і зрозумілість прийнятого рішення. 

Для досягнення цієї мети необхідно відповісти на наступні дослідницькі питання:

1. Як ми можемо сформувати вектори ознак з відомих багатомовних LLM з механізмом пояснення (для прозорості) для кожної ознаки?
2. Як ми можемо перевірити модель машинного навчання на різних наборах даних, що містять дезінформацію, створену на основі принципів «людина в циклі» та візуальної аналітики, надаючи кінцевим користувачам інформацію, необхідну для оцінки якості та зрозумілості моделі?
3. Як сформувати детальний висновок про наявність дезінформації разом з інформацією, необхідною для її спростування, забезпечивши прозорість і зрозумілість прийнятого рішення?

Це дослідницьке завдання розпочнеться зі створення багатомовного набору даних про дезінформацію англійською, українською, російською та польською мовами. На основі сучасних багатомовних моделей ми розробимо багатомовні функції подібності для порівняння текстової схожості дезінформації різними мовами в наборі даних. Ми також розробимо метод оцінки походження дезінформації різними мовами (англійською, українською, російською та польською). Спираючись на ці методи, ми спробуємо відповісти на дослідницькі питання завдання».
 

Тема 3  

Антропоморфізм 

Керівник проєкту: д-р Клаудіуш Шлусарчик (Klaudiusz Ślusarczyk)

  Проєкт «Антропоморфізм» — це мистецька платформа для співпраці між студентами ІТ-спеціальностей та студентами факультетів мистецтва / дизайну, які спільно працюватимуть над створенням численних мистецьких творів, що висвітлюють присутність нових технологій в нашому житті. У рамках проєкту учасники ознайомляться з численними теоріями та підходами у сфері нових медіа та робототехніки, з акцентом на адаптації цих ідей в мистецькій практиці. Ми розглянемо практику провідних митців, а також мистецькі стратегії, які не лише використовують нові технології як засіб вираження, але й звертаються до них, щоб розпочати дискусію про роль нових технологій в людському досвіді. Ми поставимо такі питання: чи став людський суб'єкт високопродуктивною операцією, подібною до машини? Якщо так, то що, якщо ми повернемо цей обмін назад і відтворимо людські характеристики в машинах? Наші зустрічі будуть спрямовані на створення мистецьких рішень, які переймають те, що ми все ще можемо назвати людськими якостями, і відтворюють їх у простих електронних революційних робототехнічних об'єктах.

 БІО: Клаудіуш Шлусарчик — театральний діяч, письменник і візуальний художник. Він також викладає на факультеті нових медіа-мистецтв Академії PJATK у Варшаві. У своїй роботі Клаудіуш спирається на низку дисциплін, які досліджують можливість втілення станів виключення та просторових топологій. Його дослідницька практика ретельно вивчає ідеї, пов'язані з формуванням людської суб'єктивності в цифрову епоху. Його дослідження дозволило йому координувати кілька проєктів в Австралії, Європі та Японії. Зараз Клаудіуш працює і живе у Варшаві, Польща. 

Тема 4 

Трансдисциплінарні дослідження та розробки на основі даних XR 

Керівник дослідницького напряму д-р В. Копец (W. Kopeć)

 Короткий опис основних напрямів досліджень

Дослідження екологічної валідності на основі імерсивних середовищ XR-continuum, засноване на підході, що базується на даних, включно з методами та інструментами машинного навчання та штучного інтелекту, що використовують мультимодальний збір та аналіз даних, зокрема відстеження погляду, психофізіологію в поєднанні із самооцінкою стану в контексті екологічної валідності.

Опис

Дослідницька група відділу XR (eXtended Reality and Immersive Systems) є основною частиною міждисциплінарного дослідницького центру XR (XRC) PJAIT. Центр XR об'єднує дослідників і фахівців з різних факультетів і відділень PJAIT, зокрема з інформатики, інформаційного менеджменту, а також нових медіа-мистецтв та дизайну інтер'єру, де вони беруть участь у регулярних дослідженнях і практичній роботі в широкій галузі взаємодії людини з комп'ютером (HCI).

Наша команда зосереджена на розробці континуальних імерсивних систем змішаної реальності (MR), включно з віртуальною (VR), доповненою (AR) та розширеною (XR) реальністю, для різних сфер застосування — від космічних досліджень і психологічної інтервенції до культурної спадщини та охорони дикої природи. Наші системи досліджень з використанням імерсивних систем XR-continuum засновані на останніх тенденціях у галузі прикладних інформаційних технологій, включно з машинним навчанням та штучним інтелектом, Інтернетом речей та інтелектуальними середовищами. Зокрема, наш підхід, заснований на даних, базується на мультимодальному зборі та аналізі даних, що поєднують декларативні дані (опитування) з об'єктивними психофізіологічними вимірюваннями, зокрема відстеження руху очей, ЕЕГ, ГСР/ЕДА, ЕКГ, ППГ та інші.

На регулярній основі науково-дослідницька команда XRC співпрацює в рамках міждисциплінарної програми HASE (Human Aspects in Science and Engineering) за допомогою розподіленої лабораторії Living Lab Kobo з іншими провідними польськими лабораторіями в широкій галузі взаємодії людини з комп'ютером і машиною, зокрема з Лабораторією VR і психофізіології Інституту психології Польської академії наук, Лабораторією емоційного пізнання Університету SWPS та Лабораторією інтерактивних технологій Національного інституту обробки інформації. Результати наших спільних досліджень публікуються на провідних конференціях та в журналах, зокрема CHI, ISMAR або INTERACT, а також на нашій щорічній міжнародній конференції MIDI (Machine Intelligence and Digital Interaction: https://midi2023.opi.org.pl/).

Короткий огляд потенційних сфер співпраці в галузі досліджень на основі XR

Широка сфера взаємодії людини та комп'ютера:

- Континуум змішаної реальності: XR, VR, AR,

- Нові інтерфейси та взаємодії між людиною та технологіями, зокрема голосові інтерфейси користувача (VUI) та нестандартні інтерфейси (BCI, EOG, EMG),

- На основі даних: мультимодальний збір даних, зокрема психофізіологічні дані (напр.

ЕТ, ГСР, ЕКГ) та аналіз,

Сфери застосування: Освоєння космосу, психологічні дослідження та втручання, культурна

спадщина, охорона дикої природи, вища та професійна освіта і співпраця.

Відповідні тренди: Розумний дім, розумні міста, аматорська наука, роботизовані процеси

Автоматизація, Індустрія 4.0, машинне навчання, штучний інтелект