Heuristické rozhodování, tedy rozhodování založené na přibližném uvažovaní (approximate reasoning), je významnou součástí lidského uvažování. Lidé jsou schopni pracovat s efektivními heuristikami pro řešení široké škály problémů.
Heuristické rozhodování, tedy rozhodování založené na přibližném uvažovaní (approximate reasoning), je významnou součástí lidského uvažování. Lidé jsou schopni pracovat s efektivními heuristikami pro řešení široké škály problémů. Heuristiky jsou rovněž používány stroji pro řízení prohledávacího procesu při řešení NP-těžkých problémů. Na rozdíl od lidí se od strojů neočekává, že si budou schopny dané heuristiky vymyslet sami. Místo toho stroje pracují s heuristikami dodanými člověkem. Je proto přirozené (a ekonomicky zajímavé) se ptát, zdali je možné, aby stroje vymýšlely heuristiky pro problémy, se kterými nebyly dříve seznámeny. Po dlouhou dobu byla vědecká literatura v této věci spíše pesimistická.
Za poslední dvě dekády jsme však zaznamenali zásadní změnu, kdy heuristické rozhodování bez učitele přestalo být bláznivým snem a stalo se nejlepší dostupnou metodou v průmyslových autonomních systémech. Překvapivě se stroje ukázaly být právě v případě komplikovanějších problémů dokonce lepší než lidé. Tato přednáška bude uvedena rychlým přehledem dvou zdánlivě nesouvisejících pojmů: heuristické rozhodování a řešení problému založené na modelech. Tyto dva pojmy poté propojíme a představíme klíčové výpočetní a reprezentační aspekty metod pro heuristické rozhodování bez učitele. Ukážeme, že výzkum v dané oblasti je matematicky a algoritmicky rigorózní, empiricky zajímavý a aplikovatelný v praxi.
Carmel Domshlak je docentem na Izraelském Technionu, na Fakultě průmyslového inženýrství a managementu. Je ředitelem Technion-Microsoft Center for E-Commerce Research a zakladatelem Business Intelligence Lab. Má doktorát z počítačových věd a před tím než nastoupil na Technion, pracoval dva roky na Cornell University. V oblasti výzkumu se Carmel Domshlak věnuje problému modelování znalostí a reprezentací výpočtu v umělé inteligenci s důrazem na automatické sekvenční rozhodování. Dále se zabývá modelováním a automatickým uvažováním o preferencích a multiagentních interakcích, datové analýze a vyhledávání informací. V roce 2009 obdržel JAIR-IJCAI Best Paper Prize a dále ICAPS-2008, ICAPS-2009, and ECAI-2014 Best Paper Awards. Je editorem Journal of Artificial Intelligence Research (JAIR), členem ediční rady Artificial Intelligence journal a spolupředsedou konference ICAPS-2015.
Jeho program je tvořen hodinovou přednáškou, po níž následuje časově neomezená diskuse. Základem přednášky je něco (v mezinárodním měřítku) mimořádného nebo aspoň pozoruhodného, na co přednášející přišel a co vysvětlí způsobem srozumitelným a zajímavým i pro širší informatickou obec. Přednášky jsou standardně v angličtině.
Seminář připravuje organizační výbor ve složení Roman Barták (MFF UK), Jaroslav Hlinka (ÚI AV ČR), Michal Chytil, Pavel Kordík (FIT ČVUT), Michal Koucký (MFF UK), Jan Kybic (FEL ČVUT), Michal Pěchouček (FEL ČVUT), Jiří Sgall (MFF UK), Vojtěch Svátek (FIS VŠE), Michal Šorel (ÚTIA AV ČR), Tomáš Werner (FEL ČVUT), Filip Železný (FEL ČVUT)
Idea Pražského informatického semináře vznikla z rozhovorů představitelů několika vědeckých institucí na téma, jak odstranit zbytečnou fragmentaci informatické komunity v ČR.