Εισαγωγή στην Αιτιώδη Εκμάθηση Αναπαραστάσεων
Τα σύγχρονα συστήματα Τεχνητής Νοημοσύνης επιτυγχάνουν εξαιρετικές επιδόσεις στην αναγνώριση σύνθετων προτύπων, ωστόσο η στατιστική αντιστοίχιση από μόνη της δεν επαρκεί για την ανάπτυξη συστημάτων που είναι ανθεκτικά, γενικεύσιμα και ικανά να εξάγουν συμπεράσματα σχετικά με αιτίες και αποτελέσματα ενεργειών στο περιβάλλον τους. Στην ομιλία αυτή, διερευνούμε πώς η εκμάθηση αναπαραστάσεων, η οποία στοχεύει στον εφοδιασμό των μοντέλων με δομημένες εσωτερικές αναπαραστάσεις των εισόδων τους, μπορεί να εμπλουτιστεί με αιτιώδη δομή, ώστε να παράγει πιο αξιόπιστη και ερμηνεύσιμη ΤΝ. Θα ξεκινήσουμε με μια εισαγωγή στην εκμάθηση αναπαραστάσεων και τους περιορισμούς της, στη συνέχεια θα εξετάσουμε πώς η ενσωμάτωση της Αρχής των Ανεξάρτητων Αιτιωδών Μηχανισμών μεταβάλλει τον τρόπο με τον οποίο τα μοντέλα αναπαριστούν και ανταποκρίνονται στο περιβάλλον τους. Αντλώντας από αξιοσημείωτες καθώς και από πρόσφατες δημοσιεύσεις στην περιοχή, θα ανιχνεύσουμε την εξέλιξη της αιτιώδους μάθησης αναπαραστάσεων από μια θεωρητική ιδέα σε ένα πρακτικό πλαίσιο που διαμορφώνει τη σύγχρονη έρευνα στη μηχανική μάθηση. Θα αναφερθούμε επίσης στην αναδυόμενη βιβλιογραφία για τα μοντέλα κόσμου, η οποία οραματίζεται συστήματα ΤΝ που υπερβαίνουν την πρόβλεψη και είναι ικανά να προσομοιώνουν και να συλλογίζονται σχετικά με τον τρόπο που ο κόσμος μεταβάλλεται. Η ομιλία ολοκληρώνεται με μια συζήτηση για την πορεία της έρευνας στην περιοχή αυτή και τις επιπτώσεις που ενδέχεται να έχει για το μέλλον της αξιόπιστης και έμπιστης ΤΝ.
CV
Ο Χρήστος Δίου είναι Αναπληρωτής Καθηγητής με γνωστικό αντικείμενο “Τεχνητή Νοημοσύνη και Μηχανική Μάθηση” στο Τμήμα Πληροφορικής και Τηλεματικής του Χαροκοπείου Πανεπιστημίου Αθηνών. Είναι επίσης συνεργαζόμενος ερευνητής στην ερευνητική μονάδα “ΑΡΧΙΜΗΔΗΣ” του ΕΚ ΑΘΗΝΑ και μέλος του δικτύου ELLIS. Είναι κάτοχος διπλώματος και διδακτορικού διπλώματος από το Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του ΑΠΘ. Τα ερευνητικά του ενδιαφέροντα περιλαμβάνουν μεθόδους για την εκμάθηση εύρωστων αναπαραστάσεων οι οποίες παρουσιάζουν δυνατότητες γενίκευσης εκτός κατανομής, μεθόδους για δίκαιη και ερμηνεύσιμη μηχανική μάθηση, καθώς και την αξιοποίηση μεθόδων μηχανικής μάθησης για την εκτίμηση αιτιωδών επιδράσεων από δεδομένα παρατήρησης. Έχει δημοσιεύσει άρθρα σε διεθνή επιστημονικά περιοδικά και συνέδρια, συμπεριλαμβανομένων και των TPAMI, ICLR, CVPR, ICCV, AISTATS και ECAI, ενώ έχει πολυετή εμπειρία στη συμμετοχή και τον συντονισμό Ευρωπαϊκών και Διεθνών ερευνητικών έργων, εστιάζοντας σε εφαρμογές της Τεχνητής Νοημοσύνης στην υγεία.
