Reportaža: Umetna inteligenca na Malti – od dronov za pobiranje odpadkov do analize medijev

Strokovna mobilnost Erasmus+ na Univerzi na Malti je ponudila vpogled v raziskovalne projekte, ki umetno inteligenco povezujejo z okoljskimi izzivi, medijsko pismenostjo, analizo informacij in izobraževanjem.

Med 12. in 17. oktobrom 2026 sem se v okviru programa Erasmus+ udeležil strokovne mobilnosti job shadowing na Malti. Osrednji del obiska je bil namenjen spoznavanju raziskovalnega dela na Univerzi na Malti, predvsem v laboratoriju DAWL AI Lab, kjer razvijajo praktične rešitve na področju umetne inteligence.

Obisk je pokazal, kako raznolika je lahko uporaba umetne inteligence: od zaznavanja odpadkov s pomočjo dronov in izboljševanja digitalnih zemljevidov do analize novinarskih vsebin ter razvoja medijske in umetnointeligenčne pismenosti. Poleg spoznavanja raziskovalnih projektov sem se udeležil tudi konzultacije z raziskovalcem Jonathanom Attardom, ki se ukvarja z avtomatizirano analizo novičarskih videoposnetkov, ter opazoval praktične vaje študentov tretjega letnika študijskega programa s področja umetne inteligence.

DAWL AI Lab – umetna inteligenca za konkretne izzive

Raziskovalni laboratorij DAWL AI Lab na Univerzi na Malti se ukvarja z uporabno umetno inteligenco. Njegovo delo je usmerjeno predvsem v dve področji: okoljske in prostorske aplikacije ter analizo informacij, medijev in razvoj umetnointeligenčne pismenosti.

Raziskovalci povezujejo strojno učenje, računalniški vid, obdelavo naravnega jezika, drone in robotiko s konkretnimi potrebami javnih ustanov in družbe. Njihov cilj ni zgolj razvoj novih modelov, temveč tudi iskanje rešitev, ki jih je mogoče preizkusiti v praksi.

Več o laboratoriju in njegovih raziskavah: DAWL AI Lab – projekti.

Umetna inteligenca proti odpadkom: od zaznavanja do pobiranja

Odpadki so na Malti opazen okoljski izziv, zlasti v mestnih območjih in na lokacijah, kjer je dostop za običajne čistilne službe otežen. Raziskovalci zato razvijajo več povezanih rešitev, ki uporabljajo umetno inteligenco, računalniški vid, drone in robotiko.

AWIGS – droni, ki zaznavajo odpadke

Projekt AWIGS (Aerial Waste Identification and Geolocation System) uporablja drone in računalniški vid za prepoznavanje različnih vrst odpadkov na posnetkih iz zraka. Sistem lahko zazna odpadke in določi njihovo lokacijo, kar omogoča učinkovitejše načrtovanje čiščenja in usmerjanje ekip na ustrezna mesta.

Posebna prednost takšnega pristopa je uporaba na težko dostopnih območjih, kjer je pregledovanje terena zamudno ali nevarno. Podatki o lokaciji in vrsti odpadkov lahko pomagajo tudi pri načrtovanju poti ter razvrščanju materialov za recikliranje.

Projekt je povezan s prizadevanji za prehod od raziskovalnega prototipa k operativni uporabi v sodelovanju z malteško službo za čiščenje in vzdrževanje javnih površin.

TALC – od prepoznavanja do robotskega pobiranja

Projekt TALC (Targeted Aerial Litter Collection) gre korak dlje. Medtem ko se AWIGS osredotoča na zaznavanje in lociranje odpadkov, TALC združuje daljinsko upravljani zračni sistem oziroma dron, prilagodljiv robotski prijemalnik in umetno inteligenco, ki podpira odločanje pri pobiranju odpadkov.

Namen je razviti sistem za odstranjevanje odpadkov na območjih, kjer je čiščenje s tal nevarno, drago ali praktično neizvedljivo. Dron omogoča dostop do lokacije, računalniški vid pomaga pri zaznavanju odpadkov, robotski sistem pa pri njihovem pobiranju.

Oba projekta kažeta, kako je mogoče posamezne korake – od odkrivanja problema do fizičnega ukrepanja – povezati v tehnološko rešitev za okoljski izziv.

AICOM – učinkovitejše načrtovanje mestnega čiščenja

Projekt AICOM (Application of Artificial Intelligence and Computer Vision to Optimise Cleansing and Maintenance Operations in Malta) se osredotoča na optimizacijo dela mestnih čistilnih služb. S pomočjo strojnega učenja in računalniškega vida želi izboljšati odločanje o tem, kje in kdaj so potrebne čistilne ekipe ter kako razporediti razpoložljive vire.

Bistvo ni samo odkrivanje posameznih odpadkov, temveč učinkovitejše načrtovanje javnih storitev. Podatki lahko pomagajo določiti prednostna območja, načrtovati delo ekip in bolje izkoristiti razpoložljiva sredstva.

Takšen primer pokaže, da umetna inteligenca ni nujno le orodje za avtomatizacijo posameznega opravila. Lahko pomaga tudi pri odločanju in organizaciji dela v širšem sistemu javnih storitev.

Umetna inteligenca za boljše digitalne zemljevide in 3D-modele

Uporaba dronov v laboratoriju ni omejena na okoljske projekte. Raziskovalci jih uporabljajo tudi za zajem prostorskih podatkov, izdelavo 3D-modelov in posodabljanje zemljevidov.

Projekt AAC (Automated Aerial Capture for Enhanced 3D Data Acquisition in Visual Effects and Beyond) uporablja umetno inteligenco za načrtovanje poti drona pri zajemanju podrobnih 3D-podatkov o večjih objektih in stavbah. Po začetnem zajemu programska oprema prepozna območja, kjer je potrebnih več podrobnosti, in načrtuje dodatni let. Tak pristop je lahko uporaben pri dokumentiranju kulturne dediščine, infrastrukture in pri ustvarjanju vizualnih učinkov.

Projekt EMBAT (Enhancing Malta’s Basemap with AI Technology) pa raziskuje uporabo umetne inteligence in računalniškega vida za izboljševanje digitalnih zemljevidov. Osredotoča se na zaznavanje sprememb med letalskimi in satelitskimi posnetki, prepoznavanje objektov in obravnavo težav, kot so sence na posnetkih.

Oba projekta kažeta, da lahko umetna inteligenca izboljša zajem, obdelavo in interpretacijo podatkov o resničnem prostoru. Rezultati so lahko pomembni za načrtovanje prostora, spremljanje sprememb v okolju in izdelavo kakovostnejših digitalnih prikazov.

Medijska pismenost in umetna inteligenca sta tesno povezani

Drugo pomembno področje dela laboratorija je analiza medijskih vsebin. Umetna inteligenca omogoča obdelavo velikih količin člankov, slik in videoposnetkov, vendar je pri tem ključno vprašanje, kaj nam podatki povedo o načinu poročanja, zastopanosti posameznikov in morebitnih vzorcih pristranskosti.

NBxAI – prepoznavanje vizualne pristranskosti v novicah

Projekt NBxAI (Exploring Visual Bias in News Content using Explainable AI) je preučeval vizualno pristranskost v malteških novičarskih medijih. Povezoval je računalniški vid, obdelavo naravnega jezika in analizo medijskih vsebin ter razvil metode za razumevanje vloge vizualnih elementov pri novinarskem poročanju.

Pri novici namreč ni pomembno samo, kaj piše v besedilu. Na dojemanje dogodka vplivajo tudi izbrana fotografija, prikazani posamezniki, izrez slike, perspektiva in drugi vizualni elementi. Sistematična analiza takšnih vzorcev lahko pomaga razumeti, kako vizualna predstavitev vpliva na interpretacijo novic.

Pri tem je treba poudariti, da zaznan vzorec še ne dokazuje namerne pristranskosti. Umetna inteligenca lahko pomaga prepoznati ponavljajoče se značilnosti, njihova razlaga pa zahteva kritično presojo in poznavanje konteksta.

DIMAS – podatkovno podprta analiza medijev

Projekt DIMAS (Data-Informed Media Analysis Suite) razvija spletna orodja, ki novinarjem in javnosti pomagajo kritično vrednotiti medijske vsebine. Uporablja metode za zaznavanje morebitne pristranskosti, analizo sentimenta oziroma tona besedila, računalniški vid in razumevanje naravnega jezika.

Cilj je olajšati analizo novic in omogočiti bolj premišljeno presojanje njihove vsebine. Med načrtovanimi zmožnostmi so tudi pogovorno raziskovanje novic, priporočila in podpora preverjanju dejstev.

Takšna orodja so zanimiva tudi za raziskovanje političnega poročanja. Z analizo velikega števila člankov je mogoče preučevati, kako pogosto se pojavljajo posamezniki, kakšen ton spremlja njihove omembe in ali se med mediji ali političnimi temami kažejo ponavljajoči se vzorci. Čeprav lahko analiza razkrije razlike v poročanju, sama po sebi še ne dokazuje, da je določen novinar pristranski ali da je posamezna objava namenoma oblikovana v korist določene politične strani.

AIRAS – kako so posamezniki predstavljeni v medijih?

Projekt AIRAS (AI-Driven Media Representation Analysis for Social Equity) raziskuje zastopanost posameznikov v spletnih novicah, predvsem z vidika spola in tona poročanja.

V okviru projekta so razvili orodje Article Gender Analyser, ki omogoča analizo posameznega članka in primerjavo rezultatov z večjo zbirko novic. Sistem prepoznava osebe, analizira njihovo zastopanost ter ocenjuje ton, povezan z omembami. Raziskovalci so analizirali več kot 73.000 spletnih člankov malteških medijev, objavljenih med letoma 2023 in 2025.

Rezultati so pokazali, da so bili moški v analiziranih člankih omenjeni precej pogosteje kot ženske. Pri razlagi takšnih ugotovitev pa je treba upoštevati tudi širši družbeni kontekst in dejansko zastopanost spolov na posameznih področjih.

AIRAS ponazarja, kako lahko umetna inteligenca pomaga prepoznati vzorce, ki jih pri branju posameznih člankov težko opazimo. Poleg raziskovalne uporabe takšna orodja odpirajo možnosti za širšo javno razpravo o medijih in njihovi vlogi v družbi.

TMMU – spremljanje televizijskih novic

Projekt TMMU (Transparent Media Monitoring and Understanding) se osredotoča na spremljanje in analizo televizijskih novic. Razvija orodja za sistematičen pregled vsebin ter podpira večjo preglednost medijskega okolja.

Pri analizi videoposnetkov je mogoče povezovati različne vrste informacij: govor, besedilo na zaslonu, slike in osebe, ki se pojavljajo v prispevkih. Takšna obdelava lahko olajša pregled velikega števila novic in omogoči raziskovanje, kako so posamezniki ali teme predstavljeni skozi čas.

Med obiskom sem spoznal tudi raziskovalno delo, povezano s sistematičnim zbiranjem spletnih člankov malteških medijev in njihovim shranjevanjem v podatkovno zbirko. Takšna zbirka omogoča spremljanje pogostosti omemb posameznikov in analizo tona, od pozitivnega do negativnega ali nevtralnega. To je lahko uporabno tudi pri raziskovanju političnega poročanja, vendar je treba pri konkretnih ugotovitvah upoštevati omejitve avtomatizirane analize.

Ker se posamezni projekti laboratorija na področju medijske analize med seboj dopolnjujejo, vseh funkcij predstavljenega sistema ni mogoče pripisati samo TMMU. Njihovo skupno izhodišče pa je uporaba umetne inteligence za bolj sistematično razumevanje medijskih vsebin.

Jonathan Attard – avtomatizirana analiza novičarskih videoposnetkov

Med mobilnostjo sem se udeležil tudi konzultacije z Jonathanom Attardom, raziskovalcem na Univerzi na Malti, ki se ukvarja z umetno inteligenco, računalniškim vidom in obdelavo naravnega jezika.

Njegovo raziskovalno delo vključuje avtomatizirano analizo novičarskih videoposnetkov. Pri takšni obdelavi je treba posnetek razčleniti na posamezne sličice, prepoznati pomembne vizualne elemente, zaznati osebe in prebrati besedilo, ki se pojavlja na zaslonu. Iz tako pridobljenih podatkov je mogoče izluščiti informacije, ki olajšajo nadaljnji pregled videovsebin.

Pomemben izziv je učinkovitost: kako izbrati ustrezne metode in modele, da je mogoče velike količine videoposnetkov obdelati dovolj hitro in zanesljivo. Pri tem se lahko primerjajo različni pristopi za razčlenjevanje videa, prepoznavanje oseb in drugih informacij.

Takšne rešitve so uporabne pri spremljanju televizijskih novic, saj omogočajo sistematičnejši pregled vsebin in iskanje informacij, ki bi jih bilo pri ročnem pregledovanju velikega števila posnetkov težko zbrati.

Več: Raziskovalci laboratorija DAWL AI Lab in publikacije laboratorija.

MAIL in PISA 2029 – medijska in umetnointeligenčna pismenost

Pomembno področje, ki povezuje umetno inteligenco, izobraževanje in kritično vrednotenje informacij, je MAIL (Media and Artificial Intelligence Literacy) oziroma medijska in umetnointeligenčna pismenost.

To področje bo vključeno v raziskavo PISA 2029, ki jo pripravlja OECD. Namen preverjanja je ugotoviti, ali imajo mladi priložnost razviti kompetence za učinkovito, kritično, etično in odgovorno delovanje v okolju, kjer digitalne platforme in umetna inteligenca vse bolj vplivajo na nastajanje ter širjenje informacij.

Ne gre zgolj za preverjanje, ali znajo učenci uporabljati orodja umetne inteligence. Pomembno je tudi, ali znajo oceniti verodostojnost spletnih informacij, razumeti namen vsebine, kritično presojati digitalna sporočila ter prepoznati družbene in etične posledice uporabe tehnologije.

OECD predvideva, da bo preverjanje vključevalo tudi simulirana digitalna okolja, v katerih bodo učenci reševali naloge, podobne resničnim situacijam na internetu, družbenih omrežjih in v orodjih umetne inteligence.

Takšen pristop poudarja, da medijske in umetnointeligenčne pismenosti ni smiselno obravnavati povsem ločeno. Umetna inteligenca vpliva na nastajanje, širjenje in vrednotenje informacij, zato je razumevanje medijev pomembno tudi za njeno odgovorno uporabo.

AI Għal Kulħadd – umetna inteligenca za širšo javnost

Med obiskom sem se srečal tudi z dr. Dylanom Seychellom in spoznal nacionalni program AI Għal Kulħadd, ki je namenjen razvoju umetnointeligenčne pismenosti na Malti. Program je povezan z Univerzo na Malti in Malta Digital Innovation Authority (MDIA).

Njegov namen je približati umetno inteligenco tudi ljudem brez tehničnega predznanja. Pri tem niso pomembne samo možnosti uporabe, temveč tudi razumevanje delovanja tehnologije, prepoznavanje njenih omejitev in varna, kritična ter odgovorna uporaba.

Umetna inteligenca namreč ni več omejena na programerje in raziskovalce. Z njenimi rezultati se srečujejo učitelji, dijaki, zaposleni in širša javnost, zato potrebujejo znanje za presojo rezultatov, varovanje podatkov in prepoznavanje napačnih ali zavajajočih informacij.

Od raziskovalnih projektov do univerzitetnega študija

Del mobilnosti je bilo tudi opazovanje praktičnih vaj študentov tretjega letnika študijskega programa s področja umetne inteligence. Študenti so se pripravljali na delno preverjanje znanja, pri delu pa uporabljali knjižnico PyTorch, ki je namenjena razvoju in učenju modelov strojnega učenja.

Vaje so zajemale delo s tenzorji, računanje gradientov, aktivacijske funkcije, sestavljanje nevronskih mrež, funkcije izgube in optimizatorje ter učne zanke za učenje in vrednotenje modelov. Študenti so se ukvarjali tudi s praktičnimi napakami, ki nastanejo pri delu s podatkovnimi tipi, dimenzijami tenzorjev in izračunavanju gradientov.

V primerjavi z ustvarjalno uporabo orodij umetne inteligence pri zvoku, videu in spletnem oblikovanju, ki je pomembna tudi v srednješolskem izobraževanju, je bilo tukaj v ospredju tehnično razumevanje delovanja modelov in programiranje v Pythonu.

Opazovanje univerzitetnega pouka je tako ponudilo vpogled v zahtevnejšo raven učenja umetne inteligence: od uporabe že pripravljenih orodij do razumevanja postopkov, na katerih temeljijo modeli strojnega učenja.

Umetna inteligenca kot povezava tehnologije in družbe

Obisk Univerze na Malti je pokazal, da raziskovanje umetne inteligence ni omejeno na razvoj zmogljivejših modelov. Enako pomembno je vprašanje, kako tehnologijo uporabiti pri resničnih okoljskih problemih, kako razumeti njen vpliv na medije in družbo ter kako ljudi usposobiti za njeno kritično in odgovorno uporabo.

Projekti, ki segajo od dronov za zaznavanje odpadkov do analize novinarskih vsebin in razvoja umetnointeligenčne pismenosti, so različni, vendar jih povezuje skupna ideja: tehnologija je najbolj uporabna, kadar pomaga bolje razumeti problem in sprejemati bolj premišljene odločitve.

Strokovna mobilnost Erasmus+ je ponudila vpogled v raziskovalno delo na univerzitetni ravni ter v različne načine povezovanja umetne inteligence s praktičnimi izzivi, izobraževanjem in medijsko pismenostjo.

Besedilo in fotografija: Iztok Pungaršek