Już na studiach inżynierskich wiedziała, że swoją pracę naukową chce związać z tematyką społeczną. Tematem jej pracy inżynierskiej było badanie diagnozowanie znamion skórnych. W ten sposób powstał algorytm oraz aplikacja, wspomagana sztuczną inteligencją, którą można zainstalować na zwykłym komputerze Pomysł okazał się innowacyjny, a praca inżynierska została nagrodzona w konkursie „Młodzi Innowacyjni” organizowanym przez Przemysłowy Instytut Automatyki i Pomiarów PIAP.

Algorytm sztucznej inteligencji zastosowany w aplikacji był udoskonalany przez młodą badaczkę w czasie studiów II stopnia – ulepszała ona aplikację i rozszerzała bazę danych, prezentując obiecujące wyniki w pracy magisterskiej, która również została nagrodzona w konkursach „Młodzi Innowacyjni” oraz w Konkursie o Nagrodę im. Prof. Romualda Szczęsnego.

Podczas studiów doktoranckich Agnieszka Mikołajczyk skupiła się na tzw. „deep learningu”, czyli uczeniu głębokim. Celem tych badań jest jak najbardziej skuteczny rozwój sieci neuronowych w algorytmach. Poprawnie wytrenowana sieć potrafi kojarzyć nabytą wiedzę i wykazać oczekiwane rezultaty w analizie dostarczanych danych.

– Początkowo zaczęłam pracować nad metodami augmentacji danych – mówi doktorantka – czyli najprościej mówiąc, sztucznym zwiększaniu ich ilości. Dane medyczne, które są danymi wrażliwymi, są zawsze trudne do pozyskania, zwłaszcza, jeśli poszukujemy danych od pacjentów chorych. Dzięki zastosowaniu metody fotorealistycznego transferu stylu (ang. Style Transfer) uzyskałam 120 tysięcy nowych zdjęć zmian skórnych. Deep learning, który jest podkategorią uczenia maszynowego, polega na odpowiednim tworzeniu i trenowaniu sieci neruonowych, w taki sposób by samodzielnie na podstawie dostępnych danych generowały żądane predykcje. W tym przypadku, na podstawie zdjęć zmian skórnych, umiała rozpoznać, czy dane znamię jest złośliwe czy łagodne.

Wytrenowanie algorytmu AI nie jest jednak proste, ponieważ może on brać pod uwagę takie artefakty, na które człowiek nie zwraca uwagi. Kluczowe w takim trenowaniu sieci neuronowych jest wiarygodność danych, niezakłócona żadnymi znacznikami, które algorytm może błędnie interpretować. Tendencyjność danych, czyli tzw. bias danych są przedmiotem badań doktorantki w projekcie finansowanym z grantu Preludium z Narodowego Centrum Nauki.

Agnieszka Mikołajczyk swoją wiedzę chętnie wykorzystuje również przy innych projektach prospołecznych. Działa m.in. w organizacji non-profit Women in Machine Learning & Data Science (WiMLDS)

– Organizacja ma na celu wspieranie i promowanie kobiet zajmujących się sztuczną inteligencją i data science. Wraz z dwiema koleżankami z WiMLDS stworzyłyśmy projekt edukacyjny “Detect Waste in Pomerania”, będący odpowiedzią na problem zanieczyszczenia środowiska.

Celem inicjatywy “Detect Waste in Pomerania” jest popularyzacja nauki, podejścia less waste, a przede wszystkim, edukacja i wspieranie kobiet w rozwoju kariery w dziedzinie sztucznej inteligencji. W projekt zaangażowało się dziewięć uczestniczek z doświadczeniem w Sztucznej Inteligencji oraz pięciu mentorów - doświadczonych specjalistów od uczenia maszynowego. Projekt rozpoczął się wraz z końcem października 2020 roku i po pięciu miesiącach zakończył w marcu 2021. Jego uczestnicy pracują nad stworzeniem algorytmu sztucznej inteligencji do detekcji odpadów (głównie plastikowych) w środowisku naturalnym.

Stworzony algorytm jest pilotażowym rozwiązaniem, które w dalszej przyszłości może usprawnić m.in. automatyzację recyklingu śmieci, monitoring środowiska (automatyczne wyszukiwanie nielegalnych wysypisk śmieci oraz zautomatyzowany pomiar poziomu zanieczyszczenia środowiska), a nawet minimalizację kosztów utrzymania czystości miasta.