Aktuality

Prof. Seyedali Mirjalili je zakládajícím ředitelem Centra pro výzkum umělé inteligence a optimalizace na Torrens University. Je mezinárodně uznávaný za své přínosy v oblasti umělé inteligence inspirované přírodou a publikoval více než 500 prací s více než 120 000 citacemi a H-indexem 120. Od roku 2019 je zařazen mezi nejvíce citované vědce, přičemž Web of Science jej označil za jednoho z nejvlivnějších výzkumníků na světě. V letech 2022 a 2023 jej australský deník The Australian ocenil jako globálního lídra v oblasti umělé inteligence a národního lídra v evoluční výpočetní technice a fuzzy systémech. Je seniorním členem IEEE a působí v redakčních radách několika předních časopisů zaměřených na umělou inteligenci

EN: Prof. Seyedali Mirjalili is the founding director of the Center for Artificial Intelligence Research and Optimization at Torrens University. Internationally recognized for his contributions to nature-inspired artificial intelligence techniques, he has published over 500 works with more than 120,000 citations and an H-index of 120. Since 2019, he has been listed among the top highly-cited researchers, and Web of Science has named him one of the most influential researchers worldwide. In 2022 and 2023, The Australian newspaper honored him as a global leader in Artificial Intelligence and a national leader in Evolutionary Computation and Fuzzy Systems. He is a senior member of IEEE and holds editorial positions in several top AI journals.

🎤 Název přednášky: „Artificial Intelligence Research and Optimization“

🌍 Místo: Multifunkční hala Gong (online) 

„Zvyšující se složitost a obtížnost optimalizačních problémů dnes výrazně zvýšila potřebu efektivních a přesných algoritmů. Evoluční výpočetní techniky se ukázaly jako účinné a v mnoha případech i lepší pro řešení náročných problémů z reálného světa. K plnému využití jejich potenciálu je však nezbytný systematický rámec optimalizace, který pečlivě strukturuje každý krok procesu. V této přednášce představím agilní a iterativní přístup k pracovnímu postupu, který podporuje úzkou spolupráci mezi odborníky na optimalizaci a osobami rozhodujícími. Tento přístup zajišťuje efektivní využití algoritmů a snižuje riziko selhání v důsledku neočekávaných změn. Také se zaměřím na filozofii upřednostňování zjednodušení před čistou optimalizací, která ukazuje, že zefektivněné procesy mohou často přinést lepší výsledky než příliš složité postupy. Přednáška se rovněž zabývá novým přístupem, který integruje velké jazykové modely (LLM) do různých fází optimalizačního cyklu, aby zvýšil autonomii. Tato vznikající technologie umožňuje algoritmům dynamicky se přizpůsobovat na základě zpětné vazby v reálném čase, což nás přibližuje k plně automatizovaným inteligentním optimalizačním systémům. Tento pokrok představuje transformační cestu pro výzkum i praktické aplikace a má potenciál zpřístupnit složitou optimalizaci a přinést prospěch společnosti.“

EN: „The increasing complexity and difficulty of optimization problems today have greatly raised the need for efficient and accurate algorithms. Evolutionary computation techniques have proven to be effective and, in many cases, superior for tackling challenging real-world problems. To fully realize their potential, however, solving these problems requires a systematic optimization framework that carefully structures each step. In this talk, I will introduce an agile and iterative workflow approach that encourages close collaboration between optimization experts and decision-makers. This approach ensures that algorithms are used effectively and reduces the risk of failure from unforeseen changes. I will also discuss the philosophy of prioritizing simplification over pure optimization, which shows how streamlined processes can often yield better results than overly complex ones. The talk also covers a new approach that integrates Large Language Models (LLMs) into various stages of the optimization lifecycle to increase autonomy. This emerging technology enables algorithms to adapt dynamically based on real-time feedback, which bring us closer to fully automated intelligent optimization systems. This advancement represents a transformative path for both research and practical applications with the potential to make complex optimization more accessible and beneficial for society.“