Oddělení statistického modelování a umělé inteligence

Oddělení statistického modelování a umělé inteligence (SMAIL) rozvíjí pokročilé metody umělé inteligence, statistické, výpočetní a logické přístupy pro analýzu a porozumění komplexním datům. Náš výzkum propojuje statistické modelování, strojové učení, algoritmické přístupy a formální logické metody, což odráží rozmanité metodologické základy oddělení.

Zabýváme se teoretickými základy umělé inteligence a statistiky, navrhujeme inovativní modely, vyvíjíme efektivní metody odhadu a učení a implementujeme nové postupy ve vědeckém softwaru. Náš výzkum je založen na pevných teoretických základech a je ověřován pomocí simulačních studií i analýzy reálných dat. Metodologicky usilujeme o vědeckou excelenci a vyvíjíme přístupy, které posouvají stav poznání v umělé inteligenci, ve statistickém modelování, a výpočetních metodách založených na datech.

Máme rozsáhlé zkušenosti s aplikací metod umělé inteligence a statistické analýzy reálných dat v různých oblastech. Naše přístupy nacházejí uplatnění například ve společenských vědách a psychometrii, biomedicínském výzkumu, environmentálních a energetických systémech i v dalších oborech, kde hrají pokročilé metody analýzy dat a inteligentní algoritmy klíčovou roli.

Výzkumné skupiny

Applied Artificial Intelligence: Tato skupina se zaměruje především na vývoj a zdokonalování metod umělé inteligence a zároveň na jejich uplatnění při řešení reálných problémů, přičemž kombinuje strojové učení, statistické modelování a algoritmy založené na datech.
Automated Reasoning: Tato skupina vyvíjí nástroje, které počítačům umožňují matematicky přesně uvažovat, což je nezbytné pro spolehlivý návrh automatizovaných systémů. Skupina proto posouvá hranice současného stavu poznání v oblastech, jako jsou dokazovací asistenti, induktivní logické programování, plánování, formální verifikace a SMT řešiče.
Computational Psychometrics: Tato skupina se zaměřuje na vývoj pokročilých výpočetních a statistických modelů pro analýzu hodnocení a měřících dat v oblasti vzdělávání, psychologie a spoločenských věd, přičemž klade důraz na spolehlivost, validitu a získávání podrobných poznatků prostřednictvím nových odhadovacích metod a reprodukovatelných softwarových nástrojů.
Statistical Modeling: Tato skupina se zaměřuje na vývoj a aplikaci statistických modelů na reálné mezioborové problémy a zároveň provádí metodologický výzkum s cílem rozvíjet statistickou metodologii.

Projekty

Modelování šíření mis- a dezinformací. Agentní model TQ23000183 (2025 - 2028)
Inovativní AI Agent s Animovaným Avatarem pro Interakci s Webovými Aplikacemi FY01010144 (2025 - 2027)
Biografie dezinformace s přívlastkem AI: Rizikový fenomén prizmatem moderních věd o člověku (Dezinfo) EH23_025/0008724 (2025 - 2028)
Vědění ve věku nedůvěry (TRUST) EH23_025/0008711 (2025 - 2028)
Komplexní analýza dat ze vzdělávacích měření pro porozumění kognitivním nárokům testových úloh GA25-16951S (2025 - 2027)
Excelentní výzkum v oblasti digitálních technologií a wellbeingu (DigiWELL) EH22_008/0004583 (2024 - 2028)
Modelování potenciální náhradní vegetace jako nástroj ochrany přírody (NaPoVeg) SS07020042 (2024 - 2026)
Integrovaný systém výzkumu, hodnocení a kontroly kvality ovzduší (ARAMIS) SS02030031 (2020 - 2026)

Vybrané publikace

Cerna, D.M., Buran, M.One or nothing: Anti-unification over the simply-typed lambda calculus. ACM Transactions on Computational Logic 25, 16 (2024).
Fejlek, J., Ratschan, S. Computation of feedback control laws based on switched tracking of demonstrations. European Journal of Control 80, Part B, 101118 (2024).
Kůrková, V., Sanguineti, M.Approximation of classifiers by deep perceptron networks. Neural Networks 165, 654-661 (2023).
Figueroa-Garcia, J.C., Neruda, R., Hernandez–Pérez, G.A genetic algorithm for multivariate missing data imputation.Information Sciences 619, 947-967 (2023).
Dudášová, J., Valenta, Z., Sachs, J. R.Improving precision of vaccine efficacy evaluation using immune correlate data in time-to-event models. npj Vaccines 9, 214 (2024).
Kalina, J., Kukal, J., Vyšata, O.A novel class of rank tests for high-dimensional data with an application to Alzheimer's disease. Biocybernetics and Biomedical Engineering 45, 707-717 (2025).
Martinková, P., Hladká, A.Computational aspects of psychometric methods with R. CRC Press (Taylor & Francis Group, LLC), Boca Raton (2023).
Hladká, A., Martinková, P., Magis, D.Combining item purification and multiple comparison adjustment methods in detection of differential item functioning. Multivariate Behavioral Research 59, 46-61 (2024).

Členové oddělení

Kmenoví zaměstnanci

Projektoví zaměstnanci

Vedoucí oddělení: RNDr. Jan Kalina, Ph.D.