Causal Machine Learning for Trustworthy Data-Driven Decisions

Ο Βασίλης Συργκάνης είναι επίκουρος Καθηγητής του τμήματος Διοικητικής Επιστήμης και Τεχνολογίας και του τμήματος Επιστήμης Υπολογιστών (by courtesy) του πανεπιστημίου Stanford. Η έρευνά του έγκειται στους τομείς της τεχνητής νοημοσύνης και της μηχανικής μάθησης, της θεωρίας παιγνίων και της θεωρίας των αλγορίθμων, με απώτερο στόχο τη βέλτιστη λήψη αποφάσεων με τη χρήση δεδομένων.

Γεννήθηκε στη Θεσσαλονίκη τον Σεπτέμβριο του 1986. Σε ηλικία 10 ετών μετέβη στο Βόλο, από όπου και αποφοίτησε από το 2ο Λύκειο Βόλου το 2004. Το 2003 και 2004 διακρίθηκε από την Ένωση Ελλήνων Φυσικών, αποσπώντας την 5η και 4η θέση αντίστοιχα στον Πανελλήνιο Διαγωνισμό Φυσικής και συμμετείχε στην Ολυμπιάδα Φυσικής του 2004. Το 2009 ολοκλήρωσε τις σπουδές του στο Εθνικό Μετσόβιο Πολυτεχνείο, στη σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, με βαθμό 9.68/10. Για τις επιδόσεις του έλαβε το βραβείο Σαράφη, το βραβείο Παπακυριακόπουλου και βραβεία από το Ίδρυμα Κρατικών Υποτροφιών. Κατά τη φοίτησή του ολοκλήρωσε τη διπλωματική του διατριβή με θέμα την ύπαρξη, πολυπλοκότητα και απόδοση καταστάσεων ισορροπίας σε μοντέλα παιγνίων συμφόρησης, υπό την εποπτεία του καθηγητή Ε. Ζάχου.

Τον Αύγουστο του 2004 μετέβη στις ΗΠΑ, όπου εργάστηκε στο διδακτορικό του υπό την εποπτεία της καθηγήτριας E. Tardos, στο τμήμα τις Επιστήμης Υπολογιστών του πανεπιστημίου Cornell. Για την εκπόνηση της διατριβής του, τιμήθηκε με την υποτροφία του Simons Foundation. Το αποτέλεσμα της διδακτορικής του διατριβής ήταν μια νέα μαθηματική θεωρία για τη μελέτη της απόδοσης πολύπλοκων οικονομικών συστημάτων, με κύριες εφαρμογές στις ηλεκτρονικές αγορές. Μετά το τέλος των διδακτορικών του σπουδών το 2014, εργάστηκε ως μετα-διδακτορικός ερευνητής στο εργαστήριο της Microsoft Research στη Νέα Υόρκη, στις ομάδες της μηχανικής μάθησης και της αλγοριθμικής οικονομικής επιστήμης, με στενούς συνεργάτες και μέντορες τον Robert Schapire και τον David Pennock.

Το 2016 μετέβη ως κύριος ερευνητής στο εργαστήριο της Microsoft Research στη Βοστώνη, όπου και εργάστηκε μέχρι τον Αύγουστο του 2022. Κατά τη θητεία του στο εργαστήριο, ίδρυσε και ηγήθηκε με συνεργάτες της ομάδας Automated Learning and Intelligence for Causation and Economics (ALICE). Η έρευνά του επικεντρώθηκε στην ανάλυση σχέσεων αιτιότητας με τη χρήση τεχνικών μηχανικής μάθησης και στατιστικής μεγάλων διαστάσεων. Το έργο του χρησιμοποιήθηκε από τη Microsoft και άλλες μεγάλες εταιρείες του τεχνολογικού κλάδου για την καλύτερη αποτίμηση της απόδοσης στρατηγικών διοίκησης επιχειρήσεων και ηλεκτρονικών αγορών. Παράλληλα, με την ομάδα ALICE, εξέδωσε το open-source λογισμικό EconML, που χρησιμοποιείται ευρέως για τον υπολογισμό σχέσεων αιτιότητας και τη λήψη βέλτιστων αποφάσεων.

Το Σεπτέμβριο του 2022 εκλέχθηκε επίκουρος καθηγητής στο τμήμα Διοικητικής Επιστήμης και Τεχνολογίας του πανεπιστημίου Stanford. Η ερευνητική του ομάδα εργάζεται σε θέματα μηχανικής μάθησης και τεχνητής νοημοσύνης, με επίκεντρο την ανακάλυψη σχέσεων αιτιότητας και τη λήψη αποφάσεων, χρησιμοποιώντας δεδομένα μεγάλων διαστάσεων, με κύριες εφαρμογές στη βιοϊατρική, στη διοίκηση επιχειρήσεων και στις ηλεκτρονικές πλατφόρμες.

Το έργο του έχει τιμηθεί με πολλαπλά βραβεία καλύτερης εργασίας σε κορυφαία συνέδρια της επιστήμης υπολογιστών (ACM Conference on Economics and Computation, EC’15), της τεχνητής νοημοσύνης (Annual Conference on Neural Information Processing Systems, NeurIPS’15) και της μηχανικής μάθησης (Conference on Learning Theory, COLT’19). Η έρευνά του στο πανεπιστήμιο του Stanford έλαβε το βραβείο Amazon Research Award 2023.

Κατοικεί στο Stanford μαζί με τη σύζυγό του και τις δύο τους κόρες.