Ευγενίου Θεόδωρος
Καρκαλέτσης Βαγγέλης
Βλαχάβας Ιωάννης
Γλώσσα
Αγγλική
Ημερομηνία
02/09/2020
Διάρκεια
01:13:09
Εκδήλωση
SETN 2020
Χώρος
Διαδικτυακό συνέδριο
Διοργάνωση
Ελληνική Εταιρεία Τεχνητής Νοημοσύνης
Ε.Κ.Ε.Φ.Ε Δημόκριτος
Οικονομικό Πανεπιστήμιο Αθηνών
Χαροκόπειο Πανεπιστήμιο
Πανεπιστήμιο Δυτικής Αττικής
Κατηγορία
Πληροφορική
Ετικέτες
SETN 2020, τεχνητή νοημοσύνη, ανθρώπινη συμπεριφορά, κατανόηση της ανθρώπινης συμπεριφοράς, αλγόριθμοι
Από την ανάπτυξη των πρώιμων συστημάτων συστάσεων, στα μέσα της δεκαετίας του '90, πολλές έρευνες τεχνητής νοημοσύνης επικεντρώθηκαν στην ανάπτυξη αλγορίθμων μηχανικής μάθησης για την καλύτερη κατανόηση της ανθρώπινης συμπεριφοράς - με εταιρείες mega-marketing όπως η Google ή το Facebook να καθοδηγούν τμήμα της ερευνητικής ατζέντας. Αντίθετα, το τελευταίο διάστημα, η συζήτηση μετατοπίζεται προς την κατανόηση του τι κάνουν αυτοί οι αλγόριθμοι (π.χ., επεξηγηματικότητα τεχνητής νοημοσύνης) και πώς μπορούν να επηρεάσουν την ανθρώπινη συμπεριφορά - και την κοινωνία. Για παράδειγμα, βλέπουμε νέες ερευνητικές κατευθύνσεις προς μία δίκαιη, υπεύθυνη και διαφανή τεχνητή νοημοσύνη, ενώ οι ρυθμιστικές αρχές εξετάζουν τώρα πώς να διαχειριστούν τους («νέους») κινδύνους της τεχνητής νοημοσύνης - μερικές δεκαετίες αφού η κοινότητα τεχνητής νοημοσύνης ανέπτυξε μαζικά εμπορικά συστήματα τεχνητής νοημοσύνης. Οι ερευνητικές ερωτήσεις μετατοπίζονται τώρα από την ανάπτυξη αλγορίθμων στην κατανόηση του «συστήματος ανθρώπων και μηχανών»: δεν αφορούν μόνο στην ανάπτυξη αλγορίθμων για την ανάλυση δεδομένων ανθρώπινης συμπεριφοράς (π.χ. ποια προϊόντα, ποιες ταινίες ή διαφημίσεις αρέσουν στους ανθρώπους, τι κριτικές γράφουν, πώς επικοινωνούν με τους άλλους, πώς εμπορεύονται, πώς οδηγούν κ.λπ.), αλλά και στην ανάπτυξη αλγορίθμων για την κατανόηση των ίδιων των αλγορίθμων τεχνητής νοημοσύνης (π.χ., μεθόδοι επεξηγηματικότητας) και, ευρύτερα, σε μεθόδους κατανόησης του πώς οι άνθρωποι και οι μηχανές συν-εξελίσσονται - επηρεάζοντας ο ένας τον άλλον. Η ομιλία αναφέρεται σε αλγόριθμους για την κατανόηση της ανθρώπινης συμπεριφοράς, σε αλγόριθμους για την κατανόηση της συμπεριφοράς των μηχανών και σε ερωτήσεις για τη διερεύνηση του τρόπου με τον οποίο οι άνθρωποι και οι μηχανές μπορούν να συνεργαστούν με τον καλύτερο τρόπο και να "συν-εξελιχθούν" λαμβάνοντας υπόψη τόσο τις ευκαιρίες όσο και τους κινδύνους της τεχνητής νοημοσύνης.
Ο Θεόδωρος Ευγενίου είναι Professor of Decision Sciences and Technology Management στο INSEAD. Ασχολείται με τη Μηχανική Μάθηση και την Τεχνητή Νοημοσύνη για περισσότερα από 20 χρόνια, σε τομείς που κυμαίνονται από την Υπολογιστική Όραση μέχρι το Marketing, την Υγειονομική Περίθαλψη και τα Χρηματοοικονομικά, μεταξύ άλλων. Έχει λάβει τέσσερα πτυχία από το MIT: δύο πτυχία BSc ταυτόχρονα, το ένα στην Επιστήμη Υπολογιστών και το άλλο στα Μαθηματικά, καθώς και πτυχία Master και PhD στην Επιστήμη Υπολογιστών. Τα πρόσφατα ενδιαφέροντά του επικεντρώνονται ευρύτερα γύρω από την τεχνητή νοημοσύνη, την επιχειρηματικότητα και την κοινωνία, εργαζόμενος πάνω σε τομείς που κυμαίνονται από την τεχνητή νοημοσύνη και το κανονιστικό πλαίσιο, έως τις καινοτομίες τεχνητής νοημοσύνης για τη βελτιστοποίηση επιχειρηματικών διαδικασιών και τη βελτίωση αποφάσεων, καθώς και σε νέες μεθόδους Μηχανικής Μάθησης. Ο καθηγητής Ευγενίου δίνει ομιλίες και συμβουλεύει πλήθος οργανισμών στους τομείς εμπειρίας του.
Ο Βαγγέλης Καρκαλέτσης είναι Διευθυντής Ερευνών στο Ινστιτούτο Πληροφορικής και Τηλεπικοινωνιών του ΕΚΕΦΕ "Δημόκριτος" και υπεύθυνος του Εργαστηρίου Τεχνολογίας Γνώσεων & Λογισμικού, στον Τομέα Πληροφορικής του Ινστιτούτου. Είναι διπλωματούχος του Τμήματος Μηχανικών Η/Υ & Πληροφορικής του Πανεπιστημίου Πατρών, κάτοχος MSc από το Queen Mary & Westfield College του University of London, και διδάκτορας του Τμήματος Πληροφορικής του Πανεπιστημίου Αθηνών.
Η ερευνητική δραστηριότητά του εντάσσεται στο χώρο της τεχνητής νοημοσύνης και αποσκοπεί στην ανάπτυξη ευφυών και φιλικών συστημάτων πληροφορικής για την αποτελεσματική και με φυσικό τρόπο πρόσβαση στην πληροφορία που παρέχεται είτε μέσω του Διαδικτύου είτε μέσω Ψηφιακών Βιβλιοθηκών. Για το σκοπό αυτό ασχολείται με την έρευνα και ανάπτυξη μεθόδων και τεχνικών στις επιστημονικές περιοχές της επεξεργασίας φυσικής γλώσσας, της εξόρυξης γνώσης από δεδομένα και της αναπαράστασης και διαχείρισης γνώσης. Αποτέλεσμα του ερευνητικού του έργου είναι περισσότερες από 100 δημοσιεύσεις σε διεθνή επιστημονικά περιοδικά και συνέδρια.
Διετέλεσε μέλος του ΔΣ της Ελληνικής Εταιρείας Τεχνητής Νοημοσύνης (ΕΕΤΝ) για αρκετά χρόνια και αντιπρόεδρος τη διετία 2006-2008. Έχει στο ενεργητικό του τη διοργάνωση διεθνών συνεδρίων, όπως το European Conference on Artificial Intelligence (ECAI-08) και το 12th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2009). Το EACL 2009 ήταν το μεγαλύτερο επιστημονικό γεγονός στον Ευρωπαϊκό χώρο σχετικά με τα επιτεύγματα της Υπολογιστικής Γλωσσολογίας και της Γλωσσικής Τεχνολογίας.
Το 2004 ίδρυσε μαζί με 3 άλλους ερευνητές του ΕΚΕΦΕ «Δημόκριτος» την εταιρεία i-sieve με σκοπό την προσφορά και ανάπτυξη καινοτόμων λύσεων στο τομέα της ευφυούς επεξεργασίας ηλεκτρονικού περιεχομένου.
Σπουδές
1988: Διδακτορικό Δίπλωμα Πληροφορικής ΑΠΘ
1982: Πτυχίο Φυσικού Τμήματος ΑΠΘ
Επαγγελματική Εμπειρία
2003-σήμερα: Καθηγητής του Tμήματος Πληροφορικής του AΠΘ
1999-2003: Αναπλ. Kαθηγητής του Tμήματος Πληροφορικής του AΠΘ
1997 (α’ εξάμηνο): Επισκέπτης καθηγητής στο πανεπιστήμιο Purdue, Indiana, της Aμερικής.
1993-1998: Επικ. Kαθηγητής του Tμήματος Πληροφορικής του AΠΘ
1990-1993: Λέκτορας του Τομέα Ηλεκτρονικής και Η/Υ του Τμήματος Φυσικής του ΑΠΘ
1985-1988: Ειδικός μεταπτυχιακός υπότροφος του Τμήματος Φυσικής του ΑΠΘ
Ερευνητικά Ενδιαφέροντα
Συστήματα Λογικού Προγραμματισμού
Αναπαράσταση Γνώσης και Συλλογιστική
Σχεδιασμός Ενεργειών
Μηχανική Μάθηση / Ανακάλυψη Γνώσης από Δεδομένα
Ευφυή Συστήματα – Εφαρμογές Τεχνητής Νοημοσύνης
