Palestra convidada

E se, em vez de um único rover, enviássemos uma equipe de robôs para explorar a Lua, capazes de se coordenar, dividir tarefas e tomar decisões sozinhos, sem esperar comandos da Terra?

Nesta palestra, a Dra. Maira Saboia da Silva, Robotics Technologist do Jet Propulsion Laboratory (NASA/JPL), apresenta o CADRE (Cooperative Autonomous Distributed Robotic Exploration), uma demonstração tecnológica da NASA/JPL que levará à superfície lunar uma equipe de três mini-rovers (cada um com menos de 10 kg), acompanhados de uma estação-base e uma câmera de consciência situacional. Rumo à região de Reiner Gamma, os rovers operarão durante um dia lunar (cerca de 14 dias terrestres), demonstrando exploração cooperativa e medições científicas distribuídas com radares de penetração de solo (GPR). Uma técnica em que múltiplos robôs, trabalhando em formação, enxergam o subsolo lunar com uma nitidez impossível para um robô sozinho.

Maira Saboia da Silva

Robotics Technologist no Jet Propulsion Laboratory (NASA/JPL)

Maira Saboia da Silva, Ph.D., é Robotics Technologist no Jet Propulsion Laboratory (NASA/JPL), na Califórnia, onde desenvolve autonomia para equipes de robôs em ambientes extremos; de cavernas subterrâneas à superfície da Lua. Atualmente integra a missão lunar CADRE, que demonstrará exploração cooperativa com uma equipe de mini-rovers autônomos. Foi membro do Team CoSTAR no DARPA Subterranean Challenge, onde liderou a pesquisa em planejamento e manutenção de comunicação para equipes de robôs em ambientes com comunicação degradada. Também atuou no projeto MOSAIC, de autonomia multiagente para balões científicos em Vênus. Brasileira, fez seu doutorado na University at Buffalo (EUA) como bolsista CAPES, com pesquisa em construção autônoma multi-robô em terrenos não estruturados.

Computational social science is evolving beyond the analysis of social networks toward the development of computational models capable of reproducing and exploring the dynamics of entire societies. This talk presents recent research from the KDD Lab @ ISTI-CNR, outlining a common vision that bridges the study of online social systems with the emerging paradigm of AI-driven social simulation. The journey begins with network modeling and the analysis of online phenomena, including debate polarization and echo chambers, and the identification of supportive interactions and resilient communities. It then moves to the characterization of Large Language Models as computational models of social cognition, examining their biases, semantic organization through resources such as the LLM World of Words (LWOW) dataset, and their tendency to exploit logical fallacies when debating in multi agent systems. Finally, the talk explores LLM-based social simulations, where generative agents interact within synthetic social environments to investigate the emergence of collective behavior and assess interventions in silico. Together, these research directions illustrate how computational social science is progressing from understanding social networks to building computational models of digital societies.

Giulio Rossetti

Senior Researcher at the Institute of Information Science and Technologies (ISTI) of the Italian National Research Council (CNR)

Giulio Rossetti is a Senior Researcher at the Institute of Information Science and Technologies (ISTI) of the Italian National Research Council (CNR), where he leads the Social Network Analysis unit of the KDD laboratory. His work lies at the crossroads of modeling and understanding complex social systems through network science, large-scale online data analysis, and generative AI. His recent research spans online polarization, opinion dynamics, supportive communities, “cognitive” biases of large language models, and IA-powered social simulations.

Os Humanos Virtuais estão se tornando uma interface central entre as pessoas e a Inteligência Artificial, permitindo interações mais naturais, assistência personalizada, aplicações em educação, saúde e suporte em situações de emergência. Esta palestra apresenta avanços recentes em Humanos Virtuais, integrando simulação de multidões, percepção visual, agentes conversacionais e IA personalizada. Também apresenta a visão do INCT SiMAI, que combina Humanos Virtuais, visão computacional, simulação urbana e IA personalizada para apoiar indivíduos antes, durante e após eventos climáticos extremos, por meio de monitoramento inteligente, apoio à tomada de decisão e assistência adaptativa. Por fim, a palestra discute como as pessoas percebem os Humanos Virtuais e como vieses, tanto em modelos de IA quanto na percepção visual humana, podem influenciar a confiança, a interação e a tomada de decisão, destacando a importância de projetar Humanos Virtuais que sejam explicáveis, inclusivos e verdadeiramente centrados no ser humano

Soraia Raupp Musse

Professora Titular da Escola Politécnica da PUCRS

Professora Titular da Escola Politécnica da PUCRS (Pontifícia Universidade Católica do Rio Grande do Sul) e Bolsista de Produtividade em Pesquisa nível A do CNPq. Possui formação em Ciência da Computação pela PUCRS (Bacharelado, 1990), UFRGS (Mestrado, 1994) e EPFL, na Suíça (Mestrado, 1997; Doutorado, 2000), além de pós-doutorado na Universidade da Pensilvânia (2016). Sua pesquisa concentra-se em Computação Gráfica, incluindo humanos virtuais, simulação de multidões, percepção visual e visão computacional. É autora de mais de 220 publicações em periódicos e conferências de destaque, como Elsevier Computers & Graphics, IEEE TVCG, Computer Graphics Forum, SIGGRAPH e MIG, além de coautora de quatro livros publicados internacionalmente pela Springer-Verlag, incluindo o primeiro livro dedicado à Simulação de Multidões. Orientou mais de 180 alunos de iniciação científica, mestrado, doutorado e pós-doutorado, e participou de mais de 140 bancas e comitês acadêmicos. Seu trabalho foi reconhecido com 48 premiações, entre elas o Google Research Award (2022), o Prêmio Santander de Ciência e Inovação (2013) e o Prêmio Finep de Inovação (2003). Atualmente, é Editora-Chefe do Journal of the Brazilian Computer Society (JBCS) e já presidiu diversas conferências científicas, além de atuar em comitês nacionais de avaliação e pesquisa do CNPq e da CAPES. Em 2024, foi homenageada como Pesquisadora Destaque do SBGames, principal conferência da América do Sul na área de jogos digitais, e atuou como palestrante convidada (keynote speaker) no SIBGRAPI, SVR e SBGames 2025. Também coordena o recém-criado INCT-SiM-AI, Instituto Nacional de Ciência e Tecnologia voltado ao desenvolvimento de soluções personalizadas baseadas em Inteligência Artificial para resposta a desastres climáticos.

The cybersecurity landscape has been transformed by machine learning and AI, with examples ranging from the application of representation learning to discover generic features from complex cybersecurity artifacts, to the use of large language models to assist with cybersecurity tasks. In this talk, I will illustrate how these approaches can improve our ability to understand, predict, and defend against cyber threats. I will first describe scenarios where they can be game-changers for cybersecurity analysis. Then I will dive into our results across three concrete use cases. I will begin with the classic IP reputation problem, demonstrating how simple word and graph embedding techniques can identify clusters of IP addresses engaged in similar malicious activities. This helps us understand the behavior of IP addresses seen online, anticipating by days the information that is published on public blocklists, with better threat coverage. Next, I will show how LLMs can be used to support vulnerability management, particularly to parse and classify vulnerability reports. Here, a good example of pitfalls and hype-driven applications becomes evident, as we will show that classic ML still delivers better performance than state-of-the-art hosted LLMs. Finally, I will briefly touch on recent results in a lively and promising direction: using agentic AI to automate cybersecurity tasks. Using pentesting as a case study, I will present our AutoPenBench framework for evaluating generative AI agents in automated penetration testing. I will show that assisted agents achieve promising results, whereas fully autonomous systems still struggle — once more highlighting both the potential and current limitations of AI-driven cybersecurity.

Idilio Drago

University of Turin

https://www.polito.it/personale?p=idilio.drago

Idilio Drago is an Associate Professor at the University of Turin, Italy, in the Computer Science Department. His research focuses on Internet measurements, cybersecurity, and AI applications in cybersecurity, with particular emphasis on applying AI and machine learning approaches to extract knowledge from traffic and logs and to automate security tasks. Dr. Drago has published over 100 research works with 4,200+ citations. He was awarded the IETF/IRTF Applied Networking Research Prize in 2013 for his work on cloud storage traffic analysis, and received the best paper awards at PAM 2013 and MADWeb 2025. His DarkVec paper was runner-up for best paper award at ACM CoNEXT 2021. He holds a Ph.D. in Computer Science from the University of Twente, Netherlands, and a Master’s degree from the Federal University of Espírito Santo, Brazil. Before joining the University of Turin, he was a Postdoc Researcher (2014-2016) and Assistant Professor (2017-2019) at Politecnico di Torino, Italy. He has visited the Federal University of Minas Gerais in 2019, collaborating with Prof. Jussara Almeida on multiple research topics. Dr. Drago currently coordinates several major research projects, including the EU-PNRR Cascate Call Project QCPS2 (PE SERICS), serves as UNITO Coordinator of the Italian PRIN Project ACRE on AI-Based Causality and Reasoning for Deceptive Assets, and acts as Italian Coordinator of the EU CHIPS JU project DistriMuse. He is a Steering Committee Member of the Network Traffic Measurement and Analysis (TMA) conference, Associate Editor of the IEEE Transactions on Network and Service Management journal, and Information Director of the Proceedings of the ACM on Networking journal (PACMNET). He is affiliated with the UNITO HPC4AI Center for High-Performance Computing for Artificial Intelligence and the CINI Cybersecurity National Lab.

Todos sabemos que computadores e computação estão presentes em todos os instantes de nossa vida – em casa, na rua, no lazer, no estudo, no trabalho. Direta ou indiretamente, influenciam decisões e ações positiva ou negativamente, dependendo do produto (como e quem criou) e do consumo (como e quem usou). Porisso mesmo, uma boa formação na área garante muitas opções de futuro, desde que certas condições sejam satisfeitas, tanto pessoais quanto profissionais. E a riqueza de opções traz ansiedade, mas também felicidade.

A palestra irá se concentrar nesses dois eixos principais – o pessoal e o profissional – considerando visões de futuro que incluem as tendências atuais de IA, Cibersegurança e IHC.

Claudia Bauzer Medeiros

IC/UNICAMP

Claudia Bauzer Medeiros (PhD Computer Science – University of Waterloo, Canadá) é professora titular do Instituto de Computação da Unicamp. Desenvolve pesquisas em gerenciamento de dados científicos, particularmente com desafios associados à heterogeneidade, volume e complexidade de dados, para vários tipos de aplicações do mundo real. Foi presidente da Sociedade Brasileira de Computacao de 2003 a 2007. Já foi membro de muitas comissões e comitês, incluindo CNPq e Capes. Na FAPESP, por 8 anos cuidou das ações associadas a políticas de dados abertos. Recebeu vários prêmios nacionais e internacionais por atividades de ensino, pesquisa, e iniciativas para atrair mulheres para a Computação. É membro do conselho científico da World Data Systems. É Comendadora da Ordem Nacional do Mérito Científico do Brasil, membro da Academia Brasileira de Ciencias e da World Academy of Sciences. Tem dois doutorados Honoris Causa – da Universidade Antenor Orrego, Peru e da Université Paris-Dauphine PSL, França.

Scripts para ciência de dados integram componentes de software em atividades que transformam dados para gerar resultados científicos. A rastreabilidade de artefatos envolvidos nos scripts proporciona acesso a essas atividades de ponta a ponta, promovendo a confiança e a reprodução dos resultados. Torna-se essencial adotar técnicas para rastrear e correlacionar os artefatos relevantes produzidos pelas atividades dos scripts. Os dados de proveniência, conforme definidos pelo padrão W3C PROV, fornecem uma abstração que representa e correlaciona os artefatos a serem rastreados. Além de representar metadados sobre esses artefatos, a proveniência provê um caminho de derivação de dados, permitindo que a geração do resultado seja seguida automaticamente.

A coleta de dados de proveniência vem sendo incorporada em ambientes de execução de scripts para diversas aplicações como em aprendizado de máquina, com o objetivo de fornecer segurança, confiança, reprodutibilidade e explicabilidade dos resultados dos scripts. No entanto, frequentemente, o uso da proveniência é limitado aos metadados dos artefatos, sem acesso ao seu caminho de derivação, o que restringe a confiança e a reprodutibilidade dos resultados.

Apesar de existir há muitos anos, o uso e a consulta de dados de proveniência ainda são desafiadores. Esta palestra destaca diferentes usos da proveniência para confiança, como na ciência de dados, detecção de ameaças à segurança e autenticidade de artefatos. São apresentados os desafios atuais para coletar a proveniência e rastrear o caminho de derivação dos artefatos, com exemplos de uso da proveniência em scripts de aprendizado de máquina.

Marta Mattoso

Professora
Universidade Federal do Rio de Janeiro

Lattes Scholar www

Marta Mattoso é professora titular do Programa de Engenharia de Sistemas e Computação da COPPE na Universidade Federal do Rio de Janeiro. Seus interesses em Ciência de Dados incluem aspectos de gerência de dados em larga escala, com ênfase em dados de proveniência para apoiar análises de humanos na execução paralela de múltiplas tarefas em ambientes de alto desempenho. Ela orientou mais de 90 alunos de pós-graduação e na graduação foi paraninfa e homenageada em turmas de formandos da Engenharia de Computação da UFRJ. Foi homenageada como Pesquisadora no Simpósio Brasileiro de Bancos de Dados em 2005 e foi agraciada com o Mérito Científico da Sociedade Brasileira de Computação em 2024. Marta é bolsista de produtividade em pesquisa nível 1B do CNPq e bolsista Cientista do Estado do Rio de Janeiro. Ela coordena projetos de pesquisa financiados pelo CNPq, CAPES, Faperj e mantém projetos de colaboração com o INRIA, França, desde 2001, além de atuar como membro do corpo de especialistas do projeto WorkflowsRI nos EUA e membro fundador da Sociedade Brasileira de Computação.

Nesta palestra, exploraremos como as tecnologias imersivas, como realidade virtual (VR) e realidade aumentada (AR), podem revolucionar a qualificação de professores, alunos e trabalhadores da indústria. Discutiremos as principais aplicações dessas tecnologias no contexto educacional e industrial, destacando como elas podem melhorar o aprendizado e a preparação para o mercado de trabalho.
Vamos abordar como as tecnologias imersivas proporcionam experiências de aprendizado mais envolventes e práticas, que simulam cenários reais e permitem a experimentação segura. Para professores, essas tecnologias oferecem ferramentas para criar ambientes de aprendizado dinâmicos e interativos, facilitando a abordagem de conteúdos complexos e promovendo metodologias ativas. Para alunos, elas proporcionam experiências educacionais imersivas que melhoram a compreensão e retenção do conhecimento. E para trabalhadores da indústria, as tecnologias imersivas oferecem treinamentos eficazes e seguros, simulando operações e processos de trabalho em um ambiente virtual.
A palestra incluirá exemplos de projetos bem-sucedidos que utilizam tecnologias imersivas para treinamento e qualificação, discutindo os desafios e oportunidades na implementação dessas soluções. Além disso, abordaremos as tendências futuras e o impacto potencial dessas tecnologias na transformação dos métodos de ensino e treinamento.

Saul Delabrida

Professor
Universidade Federal de Ouro Preto

Lattes Scholar www