Ana Belén Ruiz

Universidad de Málaga, Spain

Ana Belén Ruiz Mora (Ana B. Ruiz) é professora do Departamento de Economia Aplicada (Matemática) da Universidade de Málaga (Espanha), onde desenvolve a sua carreira desde 2009. É licenciada e mestre em Matemática (2006 e 2007, respetivamente) pela Universidade de Málaga. Em 2012, obteve o doutorado em Matemática também pela Universidade de Málaga, e sua tese de doutorado foi reconhecida com o Prêmio Extraordinário de Doutorado do Programa de Doutorado em Economia e Negócios, em 2012-2013. É pesquisadora na área de Pesquisa Operacional, mais especificamente, em Otimização Multiobjetiva e Tomada de Decisão com Critérios Múltiplos. De fato, seus interesses de pesquisa se concentram principalmente no estudo, análise, desenvolvimento e aplicação de métodos interativos para resolver problemas de otimização multiobjetiva. A maioria dos métodos que ela propôs e estudou são baseados em pontos de referência e em algoritmos evolutivos para otimização multiobjetiva. Além disso, Ana B. Ruiz aplicou essas metodologias para resolver problemas da vida real que surgem em diferentes áreas, como economia da educação, seleção de portfólio, desenvolvimento sustentável ou engenharia. Ela fez várias visitas de pesquisa à Universidade de Jyvaskyla (Finlândia) para colaborar com pesquisadores internacionais reconhecidos, como a Prof.ª Kaisa Miettinen, onde deu várias palestras em seminários.

Apresentação: Metaheristics for Multiobjective Optimization: Introducing the Decision Maker in the Process

Gabriel A. Wainer

University of Carleton, Canada

Gabriel A. Wainer, FSCS, obteve o mestrado (1993) na Universidade de Buenos Aires, Argentina, e o doutorado (1998, com honras) na UBA/Université d’Aix-Marseille III, França. Em julho de 2000, ingressou no Departamento de Engenharia de Sistemas e Computação da Carleton University (Ottawa, ON, Canadá), onde atualmente é professor titular. Ele ocupou cargos de visitante na Universidade do Arizona; LSIS (CNRS), Université Paul Cézanne, Universidade de Nice, INRIA Sophia-Antipolis, Université de Bordeaux (França); UCM, UPM, UPC (Espanha), Universidade de Buenos Aires, Universidade Nacional de Rosário (Argentina) e outras. Ele é um dos fundadores do Simpósio SCS/ACM/IEEE sobre Teoria de Modelagem e Simulação, SIMUTools e SCS/ACM/IEEE SimAUD. O Prof. Wainer foi vice-presidente de conferências e vice-presidente de publicações e é membro do Conselho de Administração da SCS, Sociedade Internacional de Modelagem e Simulação. Ele publicou mais de 400 artigos de pesquisa e cinco livros na área de Modelagem e Simulação. O Prof. Wainer é editor-chefe da SIMULATION, membro do Conselho Editorial do Journal of Simulation (Taylor and Francis) IEEE Computing in Science and Engineering, Wireless Networks (Elsevier), Journal of Defense Modeling and Simulation (SCS). Ele é chefe do laboratório de Simulação Avançada em Tempo Real, localizado no Centro de Simulação e Visualização Avançada (V-Sim) da Carleton University. Ele ajudou a organizar mais de 150 conferências, incluindo ACM SIGSIM PADS e Winter Simulation Conference (copatrocinada pela ACM). Ele recebeu vários prêmios, incluindo o IBM Eclipse Innovation, SCS Leadership e vários prêmios de melhores artigos. Recebeu o Prêmio de Realização em Pesquisa da Carleton University (2005, 2014), o Prêmio Profissional Destaque da SCS (2011), o Prêmio Mentorship da Carleton University (2013), o Prêmio Profissional Distinto da SCS (2013), o Prêmio Serviço Distinto da SCS (2015), a Medalha do 150º Aniversário do Canadá de Nepean (2017), o Prêmio de Reconhecimento por Serviços Prestados da ACM (2018) e o Prêmio de Engenharia de Destaque do IEEE (Seção de Ottawa – 2019). Ele é membro da SCS.

Apresentação: Simulation Everywhere

Claudio Gutierrez

DCC, Universidad de Chile, e Investigador Senior en el Instituto Milenio Fundamento de los Datos (IMFD).

Claudio Gutiérrez é professor titular do Departamento de Ciências da Computação da Universidade do Chile e pesquisador sênior do Instituto Milênio Fundamento dos Dados (IMFD). É licenciado em Matemática, mestre em Lógica Matemática, doutor em Ciências da Computação e mestre em História. Publicou extensivamente na área de Bancos de Dados, linguagens da Web Semântica e Interoperabilidade de Dados e Conhecimento, editou três livros e recebeu prêmios Test of Time por artigos na PODS e ISWC. Atualmente, pesquisa Grafos de Conhecimento e Fundamentos dos Dados e do Mundo Digital.

Apresentação: ¿Quién programa a quién? Desafíos de la comunidad latinoamericana en la era de la inteligencia artificial y la datificación.

Ricardo Baeza-Yates

KTH, Sweden; UPF, Spain; U. de Chile

Ricardo Baeza-Yates é professor WASP em tempo parcial no KTH, no Instituto Real Sueco de Tecnologia (Estocolmo), na Universidade Pompeu Fabra (Barcelona) e na Universidade do Chile (Santiago). De 2021 a 2025, foi Diretor de Pesquisa do Instituto de IA Experiencial da Universidade Northeastern, no Vale do Silício. Fundou o Yahoo Labs em Barcelona e Santiago em 2006, onde foi Vice-Presidente de Pesquisa até 2016 em Sunnyvale, Califórnia. Foi reconhecido com prêmios nacionais no Chile (governo) e na Espanha (SCIA e BBVA), além de outros prêmios da OEA, do Instituto Chileno de Engenheiros, das Associações Chilena e Catalã de Engenharia e de seus pares, que o nomearam ACM e IEEE Fellow. É membro fundador da Academia Chilena de Engenharia, membro titular da Academia Chilena de Ciências e membro correspondente da Academia Brasileira de Ciências. Seus principais interesses atuais são IA responsável e ciência de dados em geral.

Apresentação: Human-AI Co-Evolution

Summary: Human-AI co-evolution, defined as a process in which humans and AI algorithms continuously influence each other, increasingly characterizes our society, but is understudied in artificial
intelligence and complexity science literature. Recommender systems and assistants play a prominent role in human-AI co-evolution, as they permeate many facets of daily life and influence
human choices through online platforms. The interaction between users and AI results in a potentially endless feedback loop, wherein users’ choices generate data to train AI models, which, in turn, shape subsequent user preferences. This human-AI feedback loop has peculiar characteristics compared to traditional human-machine interaction and gives rise to complex and often “unintended” systemic outcomes. This paper introduces human-AI co-evolution as the cornerstone for a new field of study at the intersection between AI and complexity science focused on the theoretical, empirical, and mathematical investigation of the human-AI feedback loop. In doing so, we: (i) outline the pros and cons of existing methodologies and highlight shortcomings and potential ways for capturing feedback loop mechanisms; (ii) propose a reflection at the intersection between complexity science, AI and society; (iii) provide real-world examples for different human-AI ecosystems; and (iv) illustrate challenges to the creation of such a field of study, conceptualising them at increasing levels of abstraction, i.e., scientific, legal and socio-political.

Prof. Sandra González

Universidad de Málaga, Spain

Sandra González Gallardo (Sandra González-Gallardo) é professora assistente no Departamento de Análise Matemática, Estatística e Pesquisa Operacional e Matemática Aplicada da Universidade de Málaga (Espanha). Ela obteve seu diploma de bacharel em Matemática em 2016 e seu mestrado em Análise Econômica e Empresarial em 2017, ambos pela Universidade de Málaga. Em 2020, recebeu seu doutorado em Economia e Negócios também pela Universidade de Málaga, e sua tese de doutorado foi reconhecida com o Prêmio Extraordinário de Doutorado do Programa de Doutorado em Economia e Negócios, em 2020-2021. Ela é pesquisadora na área de Pesquisa Operacional, mais especificamente, em Otimização Multiobjetiva e Tomada de Decisão com Critérios Múltiplos. Sua pesquisa se concentra principalmente em explorar, analisar, desenvolver e implementar abordagens interativas para abordar problemas de otimização multiobjetiva. A maioria dos métodos que ela introduziu e investigou se baseia em pontos de referência e utiliza algoritmos evolutivos para enfrentar os desafios da otimização multiobjetiva. Paralelamente, ela também conduziu pesquisas sobre o uso de técnicas estatísticas e econométricas combinadas com otimização multiobjetiva para analisar questões socioeconômicas reais relacionadas à educação, sustentabilidade e pobreza.

Apresentação: Evolutionary Multiobjective Optimization Algorithms: Current trends based on preferences