Karina Valdivia Delgado.

O projeto envolve o ensino de programação para adolescentes com vista à compreensão de conceitos e aplicações de inteligência artificial e robôs de companhia. Os objetivos são: criar kits de material didático para ensino de lógica de programação, com base no conceito de desafios de programação;. Esses desafios envolvem: um problema que deve ser resolvido por meio de programação; um contexto motivador, geralmente baseado em situações reais, que ambienta o problema a ser resolvido; - escolher conceitos e aplicações de inteligência artificial que possam ser introduzidas aos alunos dentro do contexto motivador (item anterior), e elaboração de estratégias didáticas que permitam explicar esse conteúdo sem que seja necessário estabelecer pré-requisitos para uso do material. A ideia é seguir preceitos da inteligência artificial centrada em humanos, trazendo conceitos que minimizem efeitos nocivos de novas tecnologias e maximizem efeitos positivos; idem para conceitos e aplicações referentes a robôs de companhia. Com respeito ao uso de robôs de companhia no projeto, a proponente deste projeto possui dois exemplares de robôs de companhia (Zenbo e Zenbo Jr - ASUS), usados em trabalhos de pesquisa científica. Os robôs serão usados nesse projeto para fins de ilustração de conceitos, incluindo o ensino de programação via ambiente de programação por blocos (de acesso aberto) para esses robôs; testar e avaliar o material criado com alunos de escolas municipais da Zona Leste de São Paulo, de maneira presencial ou online.

Este consórcio acadêmico propõe o desenvolvimento de atividades de ensino e divulgação de Computação para alunas dos anos finais do ensino fundamental de escolas públicas, visando a promover a inclusão feminina nos cursos superiores de Computação da USP e contribuir para o combate da desigualdade de gênero da área. Nos cursos de Bacharelado em Ciência da Computação, Engenharia da Computação e Bacharelado em Sistemas de Informação oferecidos pelo ICMC, IME e EACH da USP, a proporção média de ingressantes do sexo feminino não ultrapassa 15 nos últimos anos. As mulheres também são minoria (25) na indústria digital no mundo. No Brasil, elas são apenas 17 do total de programadores. Os fatores mais apontados como possíveis causas para esse viés de gênero são a falta de modelos femininos na área, a falta de incentivo às meninas na educação escolar e familiar e a crença de que as mulheres são menos aptas que os homens para as carreiras de exatas. A equipe proponente desenvolve há anos iniciativas voltadas ao incentivo e atração de mulheres para a Computação. Por meio do consórcio, a equipe almeja coordenar os esforços dessas iniciativas, para potencializar seu impacto e constituir uma rede de suporte e troca de experiências. As ações do consórcio envolvem a disponibilização de materiais didáticos e de divulgação e a oferta de cursos, oficinas e palestras criados especificamente para o público-alvo. As atividades serão oferecidas para meninas de escolas públicas de São Paulo e São Carlos, inicialmente em formato online e, após a pandemia, de forma presencial nas escolas e campi da USP. Por meio de ações que contribuam na sua formação científico-tecnológica, espera-se criar incentivos e condições para que as meninas optem por cursos superiores e carreiras na área de Computação. Além disso, essas ações têm o potencial de aproximar a USP das alunas de escolas públicas, com novos canais de interação e difusão de informação sobre a universidade.

O Center for Artificial Intelligence congrega cerca de 120 pesquisadores de várias instituições, com suporte da FAPESP e IBM. O Centro é sediado na USP, nas dependências do InovaUSP, e conduz pesquisas em temas básicos e aplicados da área de inteligência artificial, bem como se preocupa com transferência de tecnologia e difusão

Processos de Decisão Markovianos (Markov Decision Processes -- MDPs) são amplamente utilizados para resolver problemas de tomada de decisão sequencial. O critério de desempenho mais utilizado nesse tipo de problema para encontrar uma solução é minimizar o custo total esperado. Porém, essa abordagem não leva em consideração a variabilidade do custo (ou seja, flutuações em torno da média), o que pode afetar significativamente o desempenho da solução. MDPs que lidam com esse tipo de problemas são chamados de MDPs sensíveis a risco. Entre os MDPs sensíveis a risco temos: (i) MDPs que usam como critério de otimização a utilidade exponencial esperada (ii) MDPs cujo objetivo é maximizar a probabilidade de que o custo acumulado não seja maior que um dado limite fornecido pelo usuário, chamado de MDP com orçamento limitado; (iii) MDPs cujo critério inclui a métrica CVaR, uma forma robusta de medir risco comumente utilizada na área financeira, chamados de CVaR MDPs; e (iv) MDPs cujo critério utiliza a média do custo total em conjunto com o critério CVaR, chamados de mean-CVAR MDPs. Neste projeto de pesquisa pretende-se trabalhar com MDPs com orçamento limitado, CVar MDPs e mean-CVaR MDPs. O objetivo principal é propor algoritmos exatos e aproximados baseados em programação dinâmica para resolver esses MDPs sensíveis a risco. Alunos de mestrado: Denis Benevolo Pais, Willy Silva Reis, Henrique Dias Pastor e Eduardo Lopes P. Neto.

A surpreendente e rápida evolução da tecnologia deu origem a uma nova era de descoberta de conhecimento científico. Essa nova era da ciência, conhecida como e-Science é descrita como uma nova ciência computacional e composta por uma equipe multidisciplinar que exige novas metodologias para o armazenamento, modelagem e análise de dados. Em particular, o desenvolvimento de sistemas de software transacionais e analíticos para aplicações e-Science visto como sistemas dinâmicos apresenta novos desafios computacionais. Entre eles, destacam-se os desafios dos processos de descoberta de conhecimento científico que, na maioria das vezes, envolvem mudanças frequentes de requisitos para armazenagem, modelagem e análise de dados. A necessidade de abordar sistemas dinâmicos científicos para tratar complexas aplicações de e-Science despertou a comunidade científica para a necessidade de sistemas de software robustos e evolutivos para atender a esses novos desafios. Sistema dinâmico é um arcabouço matemático clássico para representar fenômenos que evoluem no tempo e que são de grande interesse na ciência. Neste projeto, nosso principal objetivo é desenvolver modelos computacionais e metodologias para apoiar as aplicações e-Science. Nossa pesquisa fundamental cobre três principais áreas: armazenagem, modelagem e análise de sistemas dinâmicos. Essas áreas de pesquisa são importantes e relevantes para o Programa e-Science FAPESP já que muitos dos desafios atuais de e-Science estão relacionadas ao tratamento adequado dos sistemas dinâmicos. Assim, pretendemos desenvolver e aplicar metodologias computacionais que irão facilitar o desenvolvimento de aplicações e-Science contribuindo assim para a melhoria do conhecimento científico mundial, respeitando as restrições legais e éticas na gestão de dados.

Projeto Universal. RTDP (Real-time dynamic programming) resolve processos de decisão Markovianos (MDPs), quando o estado inicial e estados metas são conhecidos. Ao visitar(e atualizar), apenas uma fração do espaço de estados, esta abordagem pode ser usada para resolver problemas com espaço de estado grandes intratáveis. A fim de melhorar o desempenho do algoritmo RTDP, uma variante com base em representação simbólica foi proposta, chamada de sRTDP (symbolic RTDP). Abordagens baseadas em RTDP tradicionais trabalham melhor em problemas com matrizes de transição esparsas, em que muitas vezes essas abordagens podem atingir de forma eficiente uma e-convergência sem visitar todos os estados; no entanto, em problemas com matrizes de transição densas, em que a maioria dos estados são alcançáveis em um passo, o sRTDP mostra uma vantagem sobre o RTDP tradicional em até três ordens de magnitude, como demonstramos em trabalhos anteriores. Também propomos uma nova variante do sRTDP baseada em BRTDP (Bounded RTDP), chamada de sBRTDP, a qual converge rapidamente quando comparado com variantes do RTDP, uma vez que sBRTDP realiza menos atualizações, fazendo uma escolha melhor do próximo estado a ser visitado. O objetivo desse projeto é o de estudar melhorias para as abordagens RTDP baseadas em representação simbólica, tanto exatas quanto aproximadas para resolver problemas modelados como MDPs, em que são conhecidos os estados iniciais e metas, a fim de resolver problemas envolvendo milhares de estados. Assim, será possível resolver problemas reais, como por exemplo, o planejamento de tráfego urbano e automação de linhas de montagem industrial. Além disso, pretendemos explorar soluções baseadas em RTDP de problemas envolvendo variáveis binárias e contínuas.

Projeto Universal. Em trabalhos anteriores, foram propostas soluções eficientes, aproximadas e exatas, para resolver problemas de tomada de decisão sequencial com probabilidades imprecisas nos efeitos das ações. Nesse projeto, pretendemos investigar novos critérios de avaliação de soluções. Além disso, pretendemos investigar soluções para MDPs de primeira ordem, com probabilidades imprecisas e sua ligação com técnicas conhecidas de aprendizagen por reforço.

Projeto Temático FAPESP, processo 2008/03995-5, em Lógica e Probabilidade, com aplicações em Planejamento Probabilístico e Raciocínio Espacial, sob coordenação de Marcelo Finger, e pesquisadores principais, Leliane Nunes de Barros e Fábio Cozman. Resumo: Das possíveis formas de raciocínio que um agente racional pode utilizar, o raciocínio lógico e as inferências probabilisticas estão entre as que recebem maior destaque na prática, sendo incorporadas em modelos e em programas de computador para a realização das mais diversas tarefas. No entanto, as interações possíveis entre estas formas de raciocínio ainda não são muito bem compreendidas, tanto do ponto de vista teórico como no de aplicações computacionais. Do ponto de vista teórico, ainda está-se por estabelecer, de forma equívoca, relações entre valores verdades e distribuições de probabilidades sobre fórmulas. Do ponto de vista de aplicações, ainda está-se tentanto estabelecer a fronteira entre quando empregar inferências lógicas e quando empregar inferências estatísticas. Este projeto pretende investigar estas questões, tanto do aspecto teórico quanto do aspecto de aplicações computacionais. Abordaremos a área de satisfatibilidade probabilística, lógicas de descrição probabilísticas para web semântica, planejamento probabilístico e análise de cenas. Estre projeto pretende desenvolver softwares que abordem os temas investigados e disponibilizá-los através de uma licença de software livre dentro do escopo da Divisão de Inteligência Artificial do Centro de Competência em Software Livre da USP.

Construção de um plugin Eclipse para ensino de programação baseada em Padrões Elementares de Programação e integrado a um sistema de diagnóstico baseado em modelos de programação.

Sistema Geográfico com a informação dos clientes para uma das maiores empresas de cerveja do Perú CERVESUR.