Александр Панов

Ведущий научный сотрудник Института искусственного интеллекта AIRI, кандидат физико-математических наук, доцент

Опыт:

Александр — специалист в области изучения искусственного интеллекта, ведущий научный сотрудник AIRI, кандидат физико-математических наук, доцент.

• Руководитель группы «Нейросимвольная интеграция» AIRI.
• Заведующий лабораторией когнитивных динамических систем Центра когнитивного моделирования МФТИ.
• Старший научный сотрудник лаборатории «Динамические интеллектуальные системы» ИСА ФИЦ ИУ РАН.
• Научный сотрудник и доцент ФКН ВШЭ.
• Доцент кафедры системных исследований Московского физико-технического института (МФТИ).
• Член Российской ассоциации искусственного интеллекта.
• Член Сообщества биологически инспирированных когнитивных архитектур (BICA Society).
• Член редколлегии журнала Biologically Inspired Cognitive Architectures.
• Ментор студенческой лаборатории по искусственному интеллекту (SLabAI).

Организатор Международной конференции по биологически инспирированным когнитивным архитектурам (BICA-2016 — Нью-Йорк, BICA-2017 — Москва), Международной школы по биологически инспирированным когнитивным архитектурам (Fierces on BICA, Москва) и школы молодых ученых по искусственному интеллекту (ISyT 2017, Санкт-Петербург).

Достижения:

• Лауреат медали Российской академии наук для молодых ученых 2017 года.

О чем рассказывает:

Александр расскажет о том, как представляют искусственный интеллект в обществе, как организован искусственный интеллект, какие у него направления и перспективы.

Занимаясь разработками в области искусственного интеллекта, ученый стремится сделать существующие дроны и роботы «умнее». Он считает, что ближайший путь к этому лежит через изучение психологии и биологии. В своих лекциях спикер рассказывает о том, что способны дать современная психология и биология для совершенствования методов искусственного интеллекта.

Темы выступлений:

• Компьютерное когнитивное моделирование
• Машинное обучение: разработка алгоритмов логического и гибридного методов анализа данных, разработка биологически правдоподобных алгоритмов машинного обучения
• Многоагентные системы и системы управления: исследование распределения ролей в коллективе агентов, разработка многоуровневых архитектур управления коллективами сложных технических объектов