Agentic AI for Complex Goals (T1)

Provocări în cercetare / Noutate / Inovare
Provocari: invățare din feedback rar, raționament în contexte multi-domeniu (inginerie, medicină, logistică), Cooperare robustă între agenți: alinierea valorilor, rezolvarea conflictelor, evitarea erorilor sistemice

Rezultate cercetare:
• Elaborarea unui cadru robust de proiectare pentru Agentic AI (Ontologie a erorilor, biblioteca de tipare de design și interacțiune între agenți, pipeline unificat de integrare LLM + grafuri de cunoștințe.)

Inovare:
• Paradigmă Agentic AI orientată spre obiective complexe, planificare ierarhică și auto-adaptare.
• Combinarea paradigmelor AI simbolice și parametrice (LLM + ontologii/grafuri).

Eye-on-AI: explicarea modelelor de diagnostic automat și semi-automat în medicina (T5)

Provocări în cercetare / Noutate / Inovare
• Înțelegerea mecanismelor bolilor necesită integrarea cunoștințelor biomedicale cu IA simbolică și probabilistică.
• Provocări majore în explicabilitatea deciziilor IA în medicină: lipsa alinierii cu raționamentul clinic, biasuri explicative, date eterogene, lipsa standardizării.

Rezultate cercetare:
• Crearea unui set de benchmark-uri pentru testarea ipotezelor și explicațiilor
• Construirea unui demonstrator / dashboard XAI interactiv pentru medici
• Publicarea unei biblioteci deschise cu metode XAI adaptate contextului medical
• 2 prototipuri

Inovare:
• Abordare unificată de tip „system biology” aplicată pe studii omics ((in special proteomica) , pentru clarificarea mecanismelor contextuale în bolile oculare.