MISANU

PROGRAM

Plan rada Seminara iz veštačke inteligencije za JUN 2024.

Registraciona forma za učesće, i link na predavanje ako ste već registrovani:
https://miteam.mi.sanu.ac.rs/asset/CW5nJWDSEZDj7p32p
Ukoliko želite samo da gledate predavanje bez mogućnosti aktivnog učešća, prenos će biti dostupan na:
https://miteam.mi.sanu.ac.rs/asset/4LNW8WtML7rLKojoz
Na ovom linku se mogu pronaci kratka uputstva na srpskom i engleskom:
https://miteam.mi.sanu.ac.rs/asset/Kc7qJtEvoMFx9MFnz

Sreda, 05.06.2024. u 19:00, Online
Aleksandar Kartelj, Matematički fakultet, Univerzitet u Beogradu
RILS-ROLS: NOVI PRISTUP ZA REŠAVANJE PROBLEMA SIMBOLIČKE REGRESIJE
Najčešći pristup rešavanju problema regresije se zasniva na fiksiranju funkcionalne forme modela (linearna, polinomijalna regresija, neuronska mreža, itd.), a problem treniranja se svodi na podešavanje koeficijenata, tj. parametara funkcionalne forme. Simbolička regresija je privukla veliku pažnju u toku poslednje decenije zbog svoje tendencije da samim svojim dizajnom sprečava pojavu preprilagođavanja (eng. overfitting), jer je kod nje funkcionalna forma skoro proizvoljna, tj. ograničena jedino skupom dopuštenih operatora i njihovim arnostima.
Drugim rečima, za zadati skup operatora npr. {sin, cos, ln, +, -, *, /, exp, ...}, može se fiksirati bilo koje drvo izraza nad tim skupom operatora, usaglašeno sa njihovim arnostima. Tako dobijeni skup mogućih matematičkih formula postaje izuzetno velik, a kada se tome dodaju i koeficijenti, koji u opštem slučaju mogu biti realni, problem postaje još zahtevniji.
U dosadašnjoj literaturi skoro svi pristupi rešavanju simboličke regresije su sve svodili na upotrebu populacionih metaheuristika, i to najčešće genetskog programiranja (kao derivata proisteklog iz ideje genetskog algoritma). Tokom izlaganja će biti predstavljeni naši skorašnji rezultati (Kartelj, Đukanović, 2023.) koji pokazuju da metaheuristike zasnovane na jednom rešenju (eng. single-point metaheuristics) mogu da budu uporedive, pa čak i bolje od populacionih metaheuristika.
Konkretno, biće predstavljena metoda iterirane lokalne pretrage (ILS), potpomognuta metodom najmanjih kvadrata, pod nazivom RILS-ROLS (akronim za Robust symbolic Regression via Iterated Local Search and Ordinary Least Squares). Najznačajniji doprinosi našeg rada su:

inovativni dizajn funkcije prilagođenosti kandidat rešenja (eng. fitness function) koji uključuje nekoliko metrika: R2, RMSE i veličinu drveta formirane matematičke formule;
integracija OLS metode za efikasno podešavanje koeficijenata pridruženih linearnim faktorima formule;
lokalnu pretragu koja efikasno pretražuje perspektivne okoline trenutnog najboljeg rešenja (matematičke formule) pri čemu se ona koristi ne samo za diskretne elemente prostora pretrage (unutrašnje čvorove drveta -- operatore), već i za podešavanje koeficijenata unutar nelinearnih faktora;
uporedni odnos sa najznačajnjim metodama iz literature (u okviru SRBENCH projekta, https://cavalab.org/srbench), koji pokazuje da RILS-ROLS nadmašuje konkurente po pitanju dostignutih ciljnih metrika (R2), kao i potencijala da se dostigne egzaktno rešenje.

Pored ovoga, biće predstavljene i nove ideje koje bi mogle da unaprede postojeći model u budućnosti, a tiču se povećanja efikasnosti predloženog algoritma, kao i uvođenja novih tehnika navođenja pretrage zasnovanih na očekivanim matematičkim svojstvima funkcije koja se modeluje: 1) monotonosti; 2) verovatnosne raspodele ciljne promenljive i 3) Lipšicove neprekidnosti.
Takođe će biti napravljen osvrt na novu implementaciju RILS-ROLS algoritma, koja je u međuvremenu prepisana u C++ programski jezik, a dostupna je za instalaciju u vidu Python modula (https://pypi.org/project/rils-rols).

Sreda, 12.06.2024. u 19:00, Online
Dejan Grubišić, Rice University, Houston, Texas
VELIKI JEZIČKI MODELI ZA OPTIMIZACIJU KOMPAJLERA
Kompajleri su ključna komponenta za povećanje performansi i efikasnosti softvera koji se izvršava na savremenim računarskim sistemima. Složenost savremenih arhitektura računara, softver koji se stalno razvija i količina računanja koja stalno raste, čine da ručne optimizacije nepraktičnim. Da bismo odgovorili na ove izazove, koristimo mašinsko učenje (eng. Machine Learning (ML)) kako bismo prepoznali zamršene obrasce i automatski prilagodili strategije generisanja koda i optimizacije specifičnim konfiguracijama hardvera, na taj način značajno povećavajući performanse programa. Na ovom predavanju govorimo o upotrebi velikih jezičkih modela za optimizaciju veličine koda i koje metode možemo koristiti da dodatno unapredimo performanse.

Sreda, 19.06.2024. u 19:00, Online
Ivana Luknar, Institut za političke studije, Beogad
ARTIFICIAL INTELLIGENCE: RISKS AND POSSIBILITIES
The modern world has changed significantly, and is still changing under the influence of new technologies. As Gerd Leonhard notes, science fiction is increasingly becoming science fact. The question arises to what extent is modern society elastic to accept the upcoming changes? Will the effects of these changes be so turbulent and destructive, or will we overcome them like a short storm; depends on us? The effects are dual nature, and whether the challenges or opportunities will prevail depends on us.
Artificial Intelligence has engendered a great deal of excitement and controversy. Our fascination with AI runs deeper than fear. The allure of AI is unquestionable. Worldwide AI debate is based on two issues. First issue is connected with its widespread use in a nowadays world without adequate law frame. It concerns the consequences. Second issue is about AI limitations. With risk and consequence, arises question of substantive AI ethic. Its ethical principles are matter of reflections and speculation. That is why some authors see AI as threat. AI is also leading to a whole new generation of autonomous weapons and countless variants of extremely dangerous cyberattack tactics, including “deep fakes”. This of course does not mean that AI is evil per se, but that humans could rely on AI to realize both virtuous and malicious goals, including building more deadly weapons and breaking security walls.
The enormous potential of AI promises to bring significant changes in current and future society. We need to be aware of all its effects, also its social effects. In a world of rapid development of various technological tools the concept of ethics plays a key role in determining how to avoid undesirable outcomes of technology dissemination. The ethics in artificial intelligence (AI) represents current challenge for policy and technology makers. We need to get ready for global race for AI. Governments worldwide face the question of how to best reap the benefits of AI and at the same time how to minimize the risks. It becomes increasingly difficult to understand the ethical implications of our use of technology. This creates problems both for practitioners and regulators. We should be aware of social challenges that AI has been progressively integrated in our societies and we should be able to discuss them.

Utorak, 25.06.2024. u 14:15, Online
Angelo Sifaleras, Department of Applied Informatics, University of Macedonia, Thessaloniki, Greece
REINFORCEMENT LEARNING ENHANCED METAHEURISTICS: A CASE STUDY WITH VARIABLE NEIGHBORHOOD SEARCH
This presentation introduces a new hyperheuristic approach which combines Reinforcement Learning and Variable Neighborhood Search (VNS) and it is called Bandit VNS, in order to improve solutions for the Capacitated Vehicle Routing Problem (CVRP). The Multi-Armed Bandit framework, refined by the UCB algorithm, dynamically selects the most promising neighborhood structures, addressing the challenge of identifying the optimal sequence of local search operators. Adaptive Windowing enhances the system's responsiveness to the evolving optimization landscape. Our comprehensive analysis includes evaluating various UCB algorithm modifications and incorporating parallel computing paradigms that augment Bandit VNS. Empirical validations conducted on benchmark CVRP instances highlight a 25% enhancement in solution quality when compared to the conventional General Variable Neighborhood Search method using standard library instances of medium and large size. Our research sets a precedent for future explorations into AI-driven metaheuristics, promising advancements in optimization theory and practice.
This is a joint work by: Panagiotis Kalatzantonakis, Angelo Sifaleras, and Nikolaos Samaras, all from the Department of Applied Informatics, of the University of Macedonia, Thessaloniki, Greece. The talk will mainly summarize the findings of the paper: [Kalatzantonakis P., Sifaleras A., and Samaras N., "A reinforcement learning - variable neighborhood search method for the capacitated vehicle routing problem", Expert Systems with Applications, Elsevier, Vol. 213, Article ID 118812, 2023.], but will also discuss about potential future work.
Zajednički sastanak sa Seminarom za računarstvo i primenjenu matematiku.

Sreda, 26.06.2024. u 19:00, Online
Smiljana Antonijević Uboa, Institut za tehnologiju Ilinoisa, Čikago, SAD, Srpska podružnica Rimskog kluba, Beograd, Srbija
ODRŽIVI I PARTICIPATIVNI RAZVOJ VEŠTAČKE INTELIGENCIJE
U promišljanju veštačke inteligencije (AI) i drugih novih tehnologija, javni diskurs često se kreće u okvirima dihotomije tehnofobija/tehnofilija i to obavijeno velom korporativnih i/ili vojnih tajni s jedne strane i senzacionalističkih medijsko-holivudskih narativa s druge strane. Debate i odluke o razvoju, korišćenju i kontroli AI, slično tome, najčešće se odvijaju u okviru uskog kruga adminstrativnih, korporativnih i političkih aktera, iako te odluke dotiču sve segmente društva.
Kako se takva situacija može promeniti?
U ovom predavanju biće reči o mehanizmima kojima se razvoj, upravljanje i upotreba AI mogu demokratizovati i učiniti sveobuhvatnijim, pravednijim i sistematskim. Na početku predavanja biće dat kratak prikaz teorijsko-metodološkog okvira formulisanog na postulatima održivog razvoja, antropologije tehnologija u nastajanju i participativnog dizajna koji prikazuju kako se mogu destabilizovati trenutno ustaljeni obrasci promišljanja AI. U nastavku predavanja autorka će razmotrati primenu ovog teorijsko-metodološkog okvira u praksi, prikazujući najpre rezultate svog antropološkog rada u multidisciplinarnom timu zaduženom za razvoj AI u softverskoj kompaniji u Silikonskoj dolini, a potom i rezultate prve Narodne skupštine formirane u SAD s ciljem javne diskusije i glasanja o visokorizičnoj AI.

Ovaj onlajn seminar nastao je kao nastavak sastanka "Serbian AI Meeting" i zamišljen je da na njemu istraživači iz Srbije i iz dijaspore, kao i istraživači sa univerzteta, naučnih instituta i iz prakse predstavljaju naučne teme i rezultate iz oblasti veštačke inteligencije.
Link za svako pojedinačno predavanje biće dostavljen dan pre održavanja predavanja.

Andreja Tepavčević
Rukovodilac seminara

Biljana Stojanović
Sekretar seminara