Использование
математических методов
в искусственном интеллекте

Дэн Сяоте

Пекинский университет, Китай

О сложности вычисления марковского совершенного равновесия в стохастических играх с общей суммой

Подобно роли марковских процессов принятия решений в обучении с подкреплением, марковские игры (стохастические игры) закладывают основу для изучения многоагентного обучения с подкреплением и последовательных взаимодействий агентов. Мы вводим приближенное марковское совершенное равновесие как решение вычислительной задачи стохастических игр с конечным числом состояний, повторяющихся в бесконечном горизонте, и доказываем его PPAD-полноту. Эта концепция решения сохраняет марковское свойство и открывает возможность для успеха многоагентных алгоритмов обучения с подкреплением в статических играх с двумя игроками, которые можно распространить на многоагентные динамические игры, расширяя использование PPAD-полного класса.

Информация о докладчике

Дэн Сяоте, почетный профессор Центра передовых компьютерных исследований Пекинского университета, директор комитета по блокчейну Китайского общества промышленной и прикладной математики и директор Центра мультиагентных исследований Института искусственного интеллекта Пекинского Университета. До прихода в Пекинский университет он работал в Шанхайском университете Цзяотун, Ливерпульском университете, Городском университете Гонконга и Йоркском университете. Степень бакалавра Дэн Сяоте получил в Университете Цинхуа в 1982 году, степень магистра он получил в Китайской академии наук в 1984 году и докторскую степень в Стэнфордском университете в 1989 году.

Основными исследовательскими интересами Дэн Сяоте являются блокчейн, интернет-экономика, онлайн-алгоритмы и параллельные вычисления. Его недавние исследования сосредоточены на расчете равновесия, мультиагентных системах, интернет-экономике и блокчейне.

Дэн Сяоте был удостоен награды FOCS за лучшую статью в 2006 году. Он является членом Ассоциации вычислительной техники (ACM) за его вклад в интерфейс мультиагентных алгоритмов (2008 год), а также Института инженеров по электротехнике и электронике (IEEE) за его вклад в вычисления на основе частичной информации и интерактивных средах (2019). Он был избран иностранным членом Academia Europaea в 2020 году, научным сотрудником CSIAM в 2021 году. В 2022 году он получил награду ACM SIGecom Test of Time.

Дэн Сяоте провел десятки исследовательских проектов в качестве главного исследователя и работал в редакционной коллегии ведущих международных журналов. Он председательствовал на многих ведущих международных конференциях, в частности, он инициировал Conference on Web and Internet Economics (WINE), организованную поочередно в Азии, Европе и США, а также International Joint Conference on Theoretical Computer Science (IJTCS).

Граничин Олег Николаевич

Санкт-Петербургский Государственный Университет, Россия

Принятие решений в условиях неопределенности — Искусственный интеллект

Проблемы искусственного интеллекта с точки зрения принятия решений в режиме реального времени в условиях неопределенности будут затронуты в докладе. Основные вопросы — какую информацию мы можем получить на основе конечного (небольшого) числа зашумленных наблюдений. Будет предложен новый оценочный подход и рассмотрены иллюстративные примеры.

Информация о докладчике

Профессор О.Н. Граничин является членом технического комитета IFAC 1.1 (Моделирование, идентификация и обработка сигналов), старшим членом IEEE, IEEE Control System Society, членом Академии навигации и управления движением. Он занимается теорией управления с начала 1980-х годов, уделяя особое внимание задачам управления в условиях нерегулярных неизвестных, но ограниченных возмущений. Предложенное им в студенческой курсовой работе (1981) описание минимаксного стабилизирующего регулятора неминимально-фазового объекта управления явилось одним из первых в мире значимых теоретических результатов популярной в последнее время теории ℓ1-оптимизации. С 2010 года под руководством профессора О.Н. Граничина на кафедре системного программирования математико-механического факультета СПбГУ сформирована постоянно обновляющаяся научная группа молодых исследователей, занимающаяся робототехникой и разработкой программных средств моделирования поведения алгоритмов стохастической оптимизации в конкретные прикладные задачи, которые отчасти актуальны в медицине. О высоком профессиональном уровне научного коллектива проекта свидетельствуют имеющиеся научные результаты, представленные на многочисленных авторитетных международных конференциях и опубликованные в рецензируемых международных журналах, индексируемых в Scopus и Web of Science. Отличительной чертой научной группы можно назвать умение грамотно сочетать теоретические фундаментальные исследования и их практическое применение для решения более конкретных задач.