Palestrantes
Nicola Ferro, University of Padua, Italy.
Experimental Evaluation in IR: Decades of Tradition not only to Steer Generative AI but also Quantum Computing
- Resumo
Nesta palestra, explorarei a evolução da avaliação experimental em Recuperação da Informação (IR), em especial a abordagem orientada a sistemas baseada no paradigma de Cranfield, principalmente sob a perspectiva de iniciativas de avaliação em larga escala, como o CLEF (Conference and Labs of the Evaluation Forum, https://www.clef-initiative.eu/), a fim de mostrar como a avaliação é fundamental para impulsionar a inovação e o desenvolvimento na área e fomentar o crescimento de uma comunidade vibrante e interdisciplinar. Em seguida, apresentarei alguns desafios que a avaliação experimental enfrenta quando se trata de Inteligência Artificial (IA) Generativa, o tema mais discutido atualmente. Também discutirei como a avaliação experimental pode nos permitir explorar outras tecnologias inovadoras e aplicá-las à IR, como a Computação Quântica (QC), apresentando a experiência do QuantumCLEF (https://qclef.dei.unipd.it/), com o intuito de nos lembrar de que nossa área deve buscar o maior número possível de direções inovadoras para sua evolução.
- Biografia
Nicola Ferro é Professor Titular de Ciência da Computação no Departamento de Engenharia da Informação da Universidade de Pádua, Itália. Seus principais interesses de pesquisa são recuperação da informação, gerenciamento e representação de dados e suas formas de avaliação. Ele preside o Comitê Diretor do CLEF, a iniciativa europeia de avaliação de sistemas de acesso à informação multimodal e multilíngue, e o Comitê Diretor da ESSIR, a Escola de Verão Europeia em Recuperação da Informação. É membro sênior do comitê de programa de conferências de alto nível, como ECIR, ACM SIGIR, ACM CIKM e WSDM. É co-presidente geral da SIGIR 2025 e da CIKM 2026. Foi presidente geral da ECIR 2016 e editor associado da ACM TOIS. Foi eleito para o SIGIR Academy em 2023 e recebeu o Tony Kent Strix Award em 2024.
Fabio Porto, LNCC, Brazil
Data Management Systems in the Age of Machine Learning
- Resumo
Os sistemas de gerenciamento de bancos de dados têm uma trajetória de grande sucesso. Concebidos inicialmente para dar suporte a dados relacionais e consultas SQL, logo foram estendidos para suportar funções genéricas definidas pelo usuário (UDFs) e diferentes modelos de dados. Atualmente, estamos presenciando uma nova classe de aplicações que integram dados com modelos de aprendizado de máquina (ML) e inteligência artificial (IA). No entanto, construir essas aplicações de ML não é tarefa simples. Nesta palestra, argumentarei que muitas das funcionalidades necessárias para dar suporte a essas aplicações estão no próprio cerne dos bancos de dados, como otimização de consultas, transparência de dados, heterogeneidade dos dados, visões, entre outras. À medida que as aplicações de ML evoluem para usos mais complexos de IA, como é o caso da IA Generativa (GenAI), surgem novas oportunidades para revisitar, explorar e estender as técnicas de banco de dados.
- Biografia
Fabio Porto é Pesquisador Sênior no Laboratório Nacional de Computação Científica (LNCC), onde coordena o Data Extreme Lab (DEXL). É doutor e mestre em Informática pela PUC-Rio e graduado em Matemática-Informática pela UERJ. Realizou pós-doutorado na École Polytechnique Fédérale de Lausanne, Suíça (2004–2008). Atualmente, ocupa a Inria International Chair (2024–2028) e coordena o Instituto de IA do LNCC. Seus principais interesses de pesquisa são em Sistemas de Aprendizado de Máquina, Grafos de Conhecimento e Fluxos de Big Data.
Promoção
Organização
Agência de Apoio
Apoio Acadêmico
Patrocínio
