Περίληψη:

Πώς μπορούν οι αυτόνομοι πράκτορες να αναπτύσσουν από μόνοι τους χρήσιμες ιεραρχίες δράσης ενώ αλληλεπιδρούν με το περιβάλλον τους; Σε αυτή την ομιλία, θα επικεντρωθούμε στο ερώτημα τι κάνει μια χρήσιμη ιεραρχία δράσης, διερευνώντας πώς μια γραφική αναπαράσταση της αλληλεπίδρασης πράκτορα-περιβάλλοντος μπορεί να δώσει χρήσιμες απαντήσεις. Θα δείξω πώς η μεγιστοποίηση της αρθρωτότητας μπορεί να εκθέσει τη χρονική δομή του γραφήματος αλληλεπίδρασης σε πολλαπλά επίπεδα αφαίρεσης και μπορεί να αποτελέσει τη βάση για τη δημιουργία χρήσιμων ιεραρχιών δράσης που ταιριάζουν πολύ με την ανθρώπινη διαίσθηση και βελτιώνουν την απόδοση της μάθησης. 

Σύντομο βιογραφικό:

Ο Özgür Şimşek είναι καθηγητής Τεχνητής Νοημοσύνης στο Τμήμα Επιστήμης Υπολογιστών του Πανεπιστημίου του Bath, όπου ηγείται της Ερευνητικής Ομάδας Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης. Η έρευνά της επικεντρώνεται στη μηχανική μάθηση, αντλώντας από ένα ισχυρό διεπιστημονικό υπόβαθρο που περιλαμβάνει την επιστήμη των υπολογιστών, τη μηχανική, την επιχειρησιακή έρευνα και την ψυχολογία. Πριν από την ένταξή της στο Πανεπιστήμιο του Bath το 2017, η καθηγήτρια Şimşek ήταν Ερευνήτρια στο Ινστιτούτο Max Planck για την Ανθρώπινη Ανάπτυξη στο Βερολίνο της Γερμανίας. Έλαβε το διδακτορικό της δίπλωμα στην Επιστήμη των Υπολογιστών από το Πανεπιστήμιο Amherst της Μασαχουσέτης. Η καθηγήτρια Şimşek είναι συν-ερευνητής και επικεφαλής του θέματος της μηχανικής μάθησης του Κέντρου Διδακτορικής Εκπαίδευσης UKRI για τη Λογοδοτούμενη, Υπεύθυνη και Διαφανή Τεχνητή Νοημοσύνη (ART-AI).