Prof. Adam Piotrowski jest absolwentem Wydziału Geografii i Studiów Regionalnych na Uniwersytecie Warszawskim. Swoją karierę naukową rozpoczął w Instytucie Geofizyki PAN na studiach doktoranckich, które ukończył uzyskując w 2006 roku stopień doktora w zakresie Nauk o Ziemi, broniąc pracę pt. „Inteligentna analiza danych hydrologicznych” pod kierunkiem prof. Jarosława Napiórkowskiego. W 2014 roku uzyskał habilitację; tytuł osiągnięcia habilitacyjnego „Rozwój Algorytmów Ewolucyjnych i ich wykorzystanie do prognozowania zmiennych hydrologicznych”.

Prof. Piotrowski w swojej pracy zajmuje się trzema głównymi tematami badawczymi: rozwojem i analizą Algorytmów Ewolucyjnych i Algorytmów Inteligencji Roju – jako metod optymalizacji globalnej, oraz ich wykorzystaniem w naukach przyrodniczych, wykorzystaniem sieci neuronowych w badaniach hydrologicznych oraz modelowanie temperatur wody w rzekach i temperatur wód powierzchniowych w jeziorach. Pierwszy temat ma charakter metodologiczny, drugi łączy zagadnienia metodologiczne i hydrologiczne, a trzeci jest typowo hydrologiczny. Wiele jego prac znajduje się na przecięciu wymienionych grup tematycznych.

Najwięcej osiągnięć naukowych prof. Piotrowskiego związanych jest z pierwszym tematem. Rozwinął algorytmy typu L-SHADE, a w szczególności uprościł warianty już istniejące (L-SHADE-SPACMA i L-SHADE-cnEpSin) i zaproponował nowy wariant L-SHADE-PWI, w którym połączone zostały uproszczone wersje wcześniejszych algorytmów L-SHADE z elementem inercyjnym. W kilku publikacjach pokazał również zastosowanie tych algorytmów do rozwiązywania problemów hydrologicznych. Prof. Piotrowski pracował także nad oceną wpływu wielkości populacji na efektywność algorytmów Ewolucji Różnicowej i Optymalizacji Rojem Cząstek. Dla algorytmów Optymalizacji Rojem Cząstek przedstawił szczegółową analizę wskazującą, że zazwyczaj stosowane wielkości populacji algorytmów są zbyt małe, co prowadzi do negatywnego wpływu na jakość uzyskiwanych wyników. Publikacja na ten temat ukazała się w 2020 r. i jest szeroko cytowana. Zajmował się też zastosowaniem Algorytmów Ewolucyjnych i Inteligencji Roju w naukach przyrodniczych, w tym hydrologii. Zastosowania te dotyczą głównie zagadnień kalibracji modeli hydrologicznych. Prof. Piotrowski zwraca uwagę, że zazwyczaj autorzy prac hydrologicznych stosują jedną, wybraną przez siebie technikę optymalizacji i nie poświęcają uwagi kwestiom metodologicznym, które czasami mogą mieć duży wpływ na jakość uzyskiwanych wyników.

Prof. Piotrowski zajmuje się również wykorzystaniem sieci neuronowych w badaniach hydrologicznych. Sieci neuronowe jako modele bazujące na danych inspirowane schematem budowy mózgu są rozwijane od lat 50-tych drugiej połowy XX wieku. W ramach zastosowań płytkich sieci neuronowych w hydrologii opublikował szereg artykułów, dotyczących regresyjnych zastosowań sieci neuronowych do modelowania temperatur wody w rzekach i modelowania odpływu ze zlewni. Zajmował się również analizą zastosowań metod dropout, które mają swoje korzenie w problematyce regularyzacji i uczenia głębokich sieci neuronowych (Deep Learning), do klasycznych, trzywarstwowych, a więc „płytkich” sieci neuronowych, i rozwiązywania z ich udziałem regresyjnych problemów hydrologicznych.

Osobnym osiągnięciem związanym z wykorzystaniem sieci neuronowych w hydrologii było zaprezentowanie i przeanalizowanie projekcji zmian temperatur wód rzecznych w przyszłych warunkach klimatycznych dla wybranych rzek Polski i USA. Zajmował się również modelowaniem temperatur wód jeziornych za pomocą modeli semi-fizycznych i empirycznych i zaproponował nowe wersje modeli temperatur wody.

Do tej pory Adam Piotrowski opublikował 50 prac naukowych notowanych na liście Web of Science, które były cytowane 1624 razy (1412 bez autocytowań) w bazie Web of Science, a jego indeks Hirscha wynosi obecnie 23. Trzy publikacje, których Adam Piotrowski jest pierwszym autorem są cytowane ponad 100 razy w bazie Web of Science. Kierował 2 projektami naukowych (Iuventus Plus, OPUS).

Zapytany o dalsze plany naukowe, prof. Piotrowski odpowiada: Mam zamiar skupić się na pracach nad udoskonalaniem i analizą obecnie istniejących algorytmów ewolucyjnych, w szczególności na problemach tuningu oraz adaptacyjnej modyfikacji parametrów kontrolnych. Wyzwaniem są również nowe zastosowania stojące przed algorytmami ewolucyjnymi oraz łączenie ich z innymi technikami obliczeniowymi, takimi jak sztuczna inteligencja czy uczenie ze wzmocnieniem. Badania takie stają się w ostatnim okresie coraz powszechniejsze, także w hydrologii. Mam nieodparte wrażenie, że przedstawiciele nauk przyrodniczych mają zwyczaj skupiania się na wynikach modelowania i wyciąganiu z tego wniosków dla środowiska, niestety często bagatelizując znaczenie doboru metod, za pomocą których wyniki zostały uzyskane. Jest to uzasadnione, gdy metodyka wykorzystywana przez badacza jest od lat dobrze znana i rozumiana. Jednakże, im bardziej nowatorskie podejście, tym bardziej niebezpieczna to cecha – w tym kontekście wyzwania stojące przed wszystkimi w okresie gwałtownego rozwoju i upowszechniania się sztucznej inteligencji mogą napawać niepokojem: możemy zostać zalani mnóstwem wyników, uzyskiwanych za pomocą metod, których sposobu działania nikt tak naprawdę nie rozumie.

Serdecznie gratulujemy i życzymy spełnienia naukowych planów!