Social Computing: Progress and Prospects

Dr. Mark Klein (MIT)

Abstract: Social computing - which we can define as software applications that help people make better decisions as a group than they could individually - exploded onto the scene in the last decade or so with such startling success stories as Wikipedia, Linux, Mechanical Turk, Amazon, Facebook, Twitter, Galaxyzoo, Sermo, Slashdot, Seeclickfix, and hundreds of others. This half-day tutorial will explore why social computing is so potentially powerful, systematically review the main types and most interesting examples of social computing technology, and enumerate some lessons and patterns that we can use to help us design innovative social computing applications for the problems we care about.

Aprendizado de Máquina Sem Fim e a Leitura da Web

Prof. Dr. Estevam Rafael Hruschka Júnior (UFSCar)

Resumo: Não é de hoje que a ideia da existência de computadores inteligentes, capazes de raciocinar, aprender e tomar decisões de forma autônoma desperta a curiosidade e é retratada na ficção. Mas será que um dia essas máquinas poderão sair do universo ficcional e tornar-se realidade? Vários pesquisadores, em todo o mundo, tentam responder a essa pergunta com projetos para tornar os computadores mais inteligentes e autônomos. Nesta palestra será abordado o projeto ReadTheWeb - ou leitura da web -, desenvolvido em parceria por pesquisadores da Universidade Federal de São Carlos (UFSCar) e da Universidade Carnegie Mellon, dos Estados Unidos. O grupo desenvolve um sistema computacional capaz de aprender de forma autônoma e de utilizar os conhecimentos já adquiridos para evoluir seu próprio aprendizado. O sistema computacional que está sendo desenvolvido no ReadTheWeb, batizado de NELL (iniciais de never-ending language learner), busca demonstrar a viabilidade de uma nova forma de aprendizado de máquina, o "aprendizado sem fim". Assim como nós seres humanos adquirimos conhecimento de forma gradativa, e somos cada vez mais capazes de refletir sobre o que sabemos e validar (supervisionar) o que aprendemos, o NELL é o primeiro sistema computacional capaz de realizar um aprendizado continuo e sem fim, auto-supervisionado e auto-reflexivo. O sistema busca continuamente por novos conhecimentos e melhora sua capacidade de aprendizado a cada dia com base nos conhecimentos previamente adquiridos e em interações com seres humanos. Nesta palestra serão apresentados e discutidos métodos e algoritmos utilizados pelo NELL para realizar a extração de conhecimento a partir da leitura da Web.

Modelos Neuro-evolutivos com Inspiração Quântica

Prof.ª Dra. Marley Maria Bernardes Rebuzzi Vellasco (PUC-Rio)

Abstract: Artificial Neural Networks (ANNs) are important tools which have been proven useful on solving a myriad of problems, including classification, control, forecasting, clustering, etc. However, despite their success, defining the correct configuration for a neural network to solve a particular problem is a task that might still pose some challenges. Finding the correct topology, the best activation functions, choosing the best input variables are examples of tasks that must be addressed when using ANNs. This work proposes the use of Quantum-Inspired Evolutionary Algorithms for solving most of these issues and also as an alternative for training the ANNs. The proposed system is applied in several classification problems and in two different control problems. Results are promising and suggest that further researches on this field might be of interest.