Sažetak predavanja

Strojno učenje i umjetna inteligencija preobražavaju znanost, mijenjajući sve od načina na koji postavljamo pitanja do načina na koji oblikujemo teorije. Istovremeno, nositelji te revolucije — duboke neuronske mreže i golemi skupovi podataka — postaju toliko složeni da tradicionalni matematički pristupi analizi algoritama ne mogu objasniti nastajuću fenomenologiju. U ovom predavanju govorit ću o tome kako duboko učenje i umjetna inteligencija pomažu u izgradnji teorija kompleksnih fenomena poput dinamike potresa, diobe stanica ili raspodjele tamne tvari, ali i kako uvidi iz neuroznanosti, fizike (posebno statističke mehanike) i biologije, područja koja se oduvijek suočavaju s iznimno složenim sustavima, mogu pridonijeti boljem razumijevanju dubokog učenja.

Kratka biografija predavača

Ivan Dokmanić je izvanredni profesor na Zavodu za matematiku i računarstvo na Sveučilištu u Baselu, Švicarska. Od 2016. do 2019. bio je docent u Coordinated Science Laboratory na Sveučilištu Illinois u Urbana-Champaignu, gdje je trenutno pridruženi profesor. Voditelj je Centra za analizu podataka na Sveučilištu u Baselu i pomoćni urednik za IEEE Transactions on Signal Processing. Diplomirao je elektrotehniku na Sveučilištu u Zagrebu 2007., doktorirao na EPFL-u 2015., a postdoktorski istraživački rad obavio je na Institutu Langevin i na École Normale Supérieure u Parizu između 2015. i 2016. Prije toga je asistirao na Sveučilištu u Zagrebu, programirao kodeke za MainConcept AG, i dizajnirao digitalne audio efekte za Little Endian Ltd., Zagreb. Njegovi istraživački interesi uključuju obradu signala, strojno učenje i primijene umjetne inteligencije u znanosti. Dobitnik je nagrade za najbolji studentski rad na ICASSP-u 2011., Googleove stipendije za doktorat, nagrade za najbolju doktorsku disertaciju na EPFL-u te Googleove nagrade za profesore. Godine 2019. Europsko istraživačko vijeće (ERC) dodijelilo mu je Starting Grant.