Mariusz Pelc

Mariusz Pelc, dr hab. inż., jest profesorem uczelni w Katedrze Sztucznej Inteligencji Politechniki Wrocławskiej. Jest naukowcem o ponad 25-letnim doświadczeniu badawczym w zakresie sztucznej inteligencji, przetwarzania sygnałów biomedycznych, automatyki, systemów komputerowych i systemów adaptacyjnych. Jego obecna działalność badawcza koncentruje się przede wszystkim na uczeniu maszynowym i głębokim uczeniu w zastosowaniach biomedycznych i medycznych, w szczególności na analizie i interpretacji sygnałów fizjologicznych oraz neurofizjologicznych.

Jednym z głównych obszarów jego najnowszych badań jest analiza sygnałów EEG, fNIRS i ECG. Prace te obejmują m.in. filtrowanie i klasyfikację sygnałów fNIRS z wykorzystaniem uczenia maszynowego, multimodalną analizę aktywności mózgu, ocenę stanów poznawczych, affective computing, interfejsy mózg-komputer oraz badania potencjalnych biomarkerów elektrofizjologicznych. W ostatnich latach realizował również badania dotyczące predykcji stanów poznawczych na podstawie fNIRS, analizy emocji, EEG w kontekście ryzyka demencji, detekcji stresu oraz rozpoznawania ruchów oczu na podstawie sygnałów EEG.

Drugim istotnym kierunkiem jest sztuczna inteligencja i NLP w systemach medycznych oraz systemach wspomagania decyzji. Obejmuje to integrację modeli uczenia maszynowego z systemami ekspertowymi, systemy wspomagania diagnostyki oraz wykorzystanie metod przetwarzania języka naturalnego do analizy informacji medycznych. W ostatnim okresie zakres tych badań został rozszerzony o duże modele językowe i generatywną sztuczną inteligencję, w tym retrieval-augmented generation, strukturyzowane wyszukiwanie wiedzy, zaufane systemy konwersacyjne działające lokalnie oraz wykorzystanie LLM do wykrywania treści generowanych automatycznie i aktywności botów.

Jego badania opierają się również na wieloletnim doświadczeniu w obszarze systemów adaptacyjnych i autonomicznych, systemów wbudowanych i czasu rzeczywistego, bezpieczeństwa sieciowego oraz detekcji anomalii. Wcześniejsze i nadal rozwijane prace obejmują samo-konfigurujące się systemy sterowania, adaptację opartą na politykach, detekcję anomalii w IoT oraz inteligentne systemy monitorowania. Obszary te coraz częściej łączą się z jego aktualnymi zainteresowaniami dotyczącymi edge AI, neuromorficznego przetwarzania informacji i adaptacyjnych systemów inteligentnych. Brał udział w krajowych i międzynarodowych projektach badawczych finansowanych m.in. w ramach CHIST-ERA, EU FP6, CLARIN oraz programów brytyjskich. Jest autorem lub współautorem ponad 120 recenzowanych publikacji naukowych oraz promotorem prac doktorskich realizowanych w Polsce i Wielkiej Brytanii.

Jego aktualny profil badawczy można podsumować w czterech powiązanych obszarach: AI w zastosowaniach biomedycznych, analiza sygnałów neurofizjologicznych i BCI, NLP i systemy oparte na LLM oraz adaptacyjne i brzegowe systemy inteligentne.