Milutin Cerović odbranio je master rad na temu „Samonadgledano učenje pomoću pseudo-zadatka rotacije“

Student Milutin Cerović je u sredu, 6. aprila 2022. godine odbranio svoj master rad na temu Samonadgledano učenje pomoću pseudo-zadatka rotacije pred mentorom dr Nemanjom Ilićem i članovima komisije dr Dušanom Vujoševićem i dr Goranom Rakočevićem.

 U uvodu svog rada Milutin je istakao:

Veštačka inteligencija i njene oblasti istraživanja i primene predstavljaju svojevrsnu ,,Četvrtu industrijsku revoluciju” koja neminovno transformiše gotovo sve vrste poslova i koja će zasigurno imati uticaja na sve aspekte naših života u narednim godinama, čega smo i sami sve više svedoci počev od samovozećih automobila (Tesla.com,2019) do sistema za dijagnostiku u medicini (Hannun et al.,2019). Najznačajnija oblast veštačke inteligencije je mašinsko učenje, u kome je cilj da mašina bez eksplicitnog programiranja nauči kako da dode do rešenja na osnovu podataka koji su joj dati.

Kao generalni problem tokom obuke na pseudo-zadatku istakao se problem invarijantnosti ugla. Deo slika u skupu podataka je invarijantan na ugao, odnosno slika može imati oba ugla primer aviona koji je orijentisan sa leve na desnu stranu, ima apsolutno prihvatljivu i semantički ispravnu orijentaciju i ako je orijentisan sa desna na levo. Na skupu CIFAR10 postoji problem i male rezolucije slika, čime se delimično onemogućava modelu da nauči kvalitetne vizuelne karakteristike slika. Važno je napomenuti da su dati skupovi podataka imali kanonski ugao od 0◦, što nije uvek slučaj, čime pseudo-zadatak rotacije može biti ugrožen u opštem slučaju primene.

Modeli samonadgledanog učenja pokazali su izvanredne rezultate u praksi i definitivno njihovo vreme tek dolazi. Daljim unapredivanjem i razvojem modela posebno u domenu kontrastivnog učenja, možemo očekivati da će biti u stanju da nadmaše rezultate nadgledanog učenja i postignu još kvalitetnije i značajnije rezultate koji se mogu koristiti u velikom broju aplikacija. Logično objašnjenje takvog stava jeste da se ovi modeli mogu obučavati na gotovo neograničenim skupovima podataka koji ne zahtevaju oznake, što u metodologiji nadgledanog učenja nije slučaj i iziskuje značajne ljudske i vremenske resurse. – zaključio je Milutin.

Fotografije sa odbrane dostupne su u galeriji.