Nagrodzony artykuł „A Conjunctive–Disjunctive Aggregation Framework for Asymmetric Interval Numbers” rozwija badania nad metodami podejmowania decyzji w sytuacjach, w których nie dysponujemy jedną pewną odpowiedzią, a wiedza pochodzi od wielu ekspertów. Autorzy proponują nowe sposoby matematycznego łączenia takich ocen.
Jak połączyć różne opinie ekspertów?
W rzeczywistych sytuacjach ekspert często nie jest w stanie wskazać jednej konkretnej wartości, jakiej oczekuje w wyniku – dajmy na to - efektów ekonomicznych jakichś decyzji. Może za to powiedzieć na przykład: „wynik powinien znaleźć się między 60 a 80, ale za najbardziej prawdopodobną wartość uważam 70”. Taką informację można opisać za pomocą rozwijanych przez prof. Sałabuna asymetrycznych liczb przedziałowych – Asymmetric Interval Numbers (AIN). W odróżnieniu od zwykłego przedziału AIN zawiera także wartość oczekiwaną, dzięki czemu pozwala dokładniej odwzorować wiedzę i przekonanie eksperta.
Problem komplikuje się, gdy ekspertów jest kilku. Ich oceny mogą częściowo się pokrywać, różnić albo obejmować zupełnie inne zakresy. Jak połączyć je tak, aby nie zgubić istotnej informacji?
W nagrodzonej pracy naukowcy IŁ-PIB zaproponowali dwa uzupełniające się mechanizmy. Pierwszy – AND – szuka tego, co wspólne dla ocen ekspertów, a więc pozwala modelować ich konsensus. Drugi – OR – zachowuje szerszy zakres wartości uznanych za możliwe przez przynajmniej jednego eksperta, dzięki czemu reprezentuje pełniejsze spektrum ocen przewidywanych skutków decyzji.
Można więc powiedzieć, że jeden mechanizm odpowiada na pytanie: „w czym eksperci są zgodni?”, a drugi: „jak szeroki jest łącznie zakres ich ocen?”.
Autorzy rozwiązali przy tym ważny problem pojawiający się przy większej liczbie ekspertów. Przy kolejnym, parami wykonywanym łączeniu ocen końcowy wynik może zależeć od kolejności ich uwzględniania. Zaproponowany wariant wieloekspertowy agreguje wszystkie opinie jednocześnie, dzięki czemu kolejność w jakiej przyjmuje się oczekiwania ekspertów, nie wpływa na rezultat.
O zbiorowej inteligencji na Krecie
ICCCI 2026 odbyła się w dniach 23–25 września w Heraklionie na Krecie, była już 18. edycja International Conference on Computational Collective Intelligence – międzynarodowej konferencji poświęconej komputerowym metodom wykorzystywania i przetwarzania wiedzy pochodzącej z wielu źródeł.
Tematyka wydarzenia obejmowała m.in. integrację danych i wiedzy, grupowe i wielokryterialne procesy podejmowania decyzji, obliczanie konsensusu oraz zastosowania sztucznej inteligencji. Konferencja była organizowana przez Democritus University of Thrace i Politechnikę Wrocławską we współpracy m.in. z IEEE SMC Technical Committee on Computational Collective Intelligence (Komitet Techniczny Kolektywnej Inteligencji Obliczeniowej Instytutu Inżynierów Elektryków i Elektroników ds. Systemów, Człowieka i Cybernetyki) oraz European Research Center for Information Systems (Europejskie Centrum Badawcze Systemów Informacyjnych). Prace konferencyjne zostały opublikowane przez wydawnictwo Springer w seriach poświęconych informatyce i sztucznej inteligencji.
Otrzymanie Best Regular Paper Award przez badaczy IŁ-PIB jest więc nie tylko sukcesem autorów, lecz także międzynarodowym potwierdzeniem znaczenia rozwijanych w Instytucie Łączności badań dotyczących modelowania niepewności i wspomagania procesów decyzyjnych.
Dwie nagrody w jednym roku
Wrześniowy sukces nie jest pierwszym tegorocznym wyróżnieniem wspólnej pracy prof. Wojciecha Sałabuna i Andriia Shekhovtsova.
W kwietniu ich artykuł „A Formal LLM–MCDA Architecture for Decision Support under Generative Uncertainty” otrzymał Distinguished Paper Award podczas 7th Polish Conference on Artificial Intelligence – PP-RAI 2026. W konferencji uczestniczyło 351 osób.
Wcześniejsza praca dotyczyła innego niż ostatnio nagrodzona, ale blisko powiązanego problemu: jak wykorzystać możliwości dużych modeli językowych, nie rezygnując jednocześnie z przejrzystego i możliwego do zweryfikowania procesu podejmowania decyzji. Autorzy zaproponowali architekturę łączącą LLM (wielki językowy model sztucznej inteligencji) z metodami wielokryterialnej analizy decyzji (MCDA). Model językowy pomaga w opisywaniu problemu, formułowaniu kryteriów czy wyjaśnianiu wyniku, natomiast właściwa ocena alternatyw pozostaje po stronie deterministycznych, powtarzalnych metod matematycznych.
Obie nagrodzone prace pokazują szerszy kierunek badań rozwijanych przez zespół prof. Sałabuna w IŁ-PIB. Obejmuje on m.in. wielokryterialne wspomaganie decyzji, modelowanie niepewności, analizę opinii wielu ekspertów, badanie stabilności rekomendacji oraz łączenie klasycznych metod decyzyjnych ze sztuczną inteligencją. Celem jest tworzenie systemów, które nie tylko podpowiadają rozwiązanie, ale pozwalają również zrozumieć, sprawdzić i uzasadnić sposób, w jaki zostało ono wypracowane.
Dwa wyróżnienia uzyskane w ciągu kilku miesięcy pokazują, że prace prowadzone w tym obszarze przez naukowców Instytutu są zauważane i wysoko oceniane zarówno na krajowym, jak i międzynarodowym forum naukowym.
Prof. Wojciechowi Sałabunowi i Andriiowi Shekhovtsovowi serdecznie gratulujemy i życzymy kolejnych naukowych sukcesów!