Jürgen Schmidhuber - Jürgen Schmidhuber
Jürgen Schmidhuber | |
|---|---|
 Schmidhuber beszélt az AI -ban a GOOD Global Summit 2017 -ben
| |
| Született | 1963. január 17 |
| Állampolgárság | német |
| alma Mater | Müncheni Műszaki Egyetem |
| Ismert | Mesterséges intelligencia , mély tanulás , mesterséges neurális hálózatok , visszatérő neurális hálózatok , Gödel-gép , mesterséges kíváncsiság, meta-tanulás |
| Tudományos karrier | |
| Mezők | Mesterséges intelligencia |
| Intézmények | Dalle Molle Intelligens Intelligencia Kutató Intézet |
| Weboldal | emberek |
Jürgen Schmidhuber (született: 1963. január 17.) számítástechnikus , aki a mesterséges intelligencia , a mély tanulás és a mesterséges neurális hálózatok területén végzett munkájáról vált legismertebbé . Ő egy társ-igazgatója a Dalle Molle Intézet Artificial Intelligence Research in Lugano , a Ticino déli Svájcban . A Google Scholar nyomán 2016 és 2021 között több mint 100 000 tudományos idézetet kapott ( Profil ). A "modern AI atyjaként", "az AI atyjaként", "érett AI apukájaként", a híres mesterséges AI termékek "papájaként", "Keresztapaként" és "a mély tanulás atyjaként" emlegették. (Maga Schmidhuber azonban Alexey Grigorevich Ivakhnenkot a "mély tanulás atyjának" nevezte .)
Schmidhuber egyetemi tanulmányait a müncheni Műszaki Egyetemen végezte Münchenben , Németországban. Ott tanított 2004-től 2009-ig, amikor tanára lett a mesterséges intelligencia, a Università della Svizzera Italiana in Lugano , Svájc.
Munka
Tanítványaival Sepp Hochreiter , Felix Gers , Fred Cummins, Alex Graves , és mások, Schmidhuber közzétett egyre kifinomultabb változatai olyan típusú ismétlődő neurális hálózat az úgynevezett hosszú rövid távú memória (LSTM). Az első eredményekről már Hochreiter diplomamunkája számolt be (1991), amely elemezte és legyőzte a híres eltűnő gradiens problémát. Az LSTM nevet egy technológiai jelentés (1995) vezette be, amely a legtöbbet idézett LSTM publikációhoz vezetett (1997).
A szabványos LSTM architektúrát, amelyet szinte minden jelenlegi alkalmazásban használnak, 2000-ben vezették be. A mai "vanília LSTM", amely az időben történő visszaszorítást használja , 2005-ben jelent meg, és 2006-ban a kapcsolati időbeli osztályozási (CTC) oktatási algoritmusa. A CTC lehetővé tette a végponttól a befejezi a beszédfelismerést az LSTM segítségével. 2015 -ben a CTC által kiképzett LSTM -et használták fel a beszédfelismerés új megvalósításában a Google okostelefonokhoz készült szoftverében . A Google az LSTM -et az Allo intelligens asszisztenshez és a Google Fordítóhoz is használta . Az Apple az LSTM -et használta az iPhone és a Siri „Quicktype” funkciójához . Az Amazon LSTM -et használt az Amazon Alexa számára . 2017 -ben a Facebook naponta mintegy 4,5 milliárd automatikus fordítást hajtott végre LSTM hálózatok használatával. A Bloomberg Business Week ezt írta: "Ezek az erők teszik az LSTM -t vitathatatlanul a legkereskedelmibb AI -vívmánysá, amelyet a betegségek előrejelzésétől a zeneszerzésig mindenre használnak."
2011 -ben Schmidhuber csapata az IDSIA -nál Dan Ciresan posztdokkokkal együtt drámai gyorsulást ért el a konvolúciós ideghálózatokban (CNN -ek) a GPU -nak nevezett, gyors párhuzamos számítógépeken . Egy korábbi CNN a GPU -n, Chellapilla et al. (2006) négyszer gyorsabb volt, mint a CPU -n végrehajtott egyenértékű megvalósítás. Dan Ciresan és mtsai mély CNN -je. (2011) az IDSIA -nál már 60 -szor gyorsabb volt, és elérte az első emberfeletti teljesítményt egy számítógépes látásversenyen 2011 augusztusában. 2011. május 15. és 2012. szeptember 10. között gyors és mély CNN -jeik nem kevesebb, mint négy képversenyt nyertek. Jelentősen javítottak a több képadatbázis irodalmának legjobb teljesítményén is . A megközelítés központi szerepet kapott a számítógépes látás területén . A CNN terveken alapul, amelyeket Yann LeCun et al. (1989), akik a backpropagation algoritmust alkalmazták Kunihiko Fukushima eredeti CNN architektúrájának neokognitron nevű változatára , amelyet később J. Weng max-pooling nevű módszerével módosítottak .
2014-ben Schmidhuber megalapította a Nnaisense vállalatot, amely a mesterséges intelligencia kereskedelmi alkalmazásain dolgozik olyan területeken, mint a pénzügy, a nehézipar és az önvezető autók . Sepp Hochreiter, Jaan Tallinn és Marcus Hutter tanácsadók a cégnél. Az értékesítés 2016 -ban 11 millió USD alatt volt; Schmidhuber azonban kijelenti, hogy a jelenlegi hangsúly a kutatásokon van, nem pedig a bevételeken. A Nnaisense 2017 januárjában emelte fel első tőkefinanszírozási körét. A Schmidhuber általános célja, hogy egy univerzális mesterséges intelligenciát hozzon létre, egyetlen mesterséges mesterséges intelligencia képzésével, szűk feladatok elvégzésére.
Nézetek
Szerint a The Guardian , Schmidhuber panaszkodott a „gyilkos 2015 cikk” a fickó mély tanulás kutatók Geoffrey Hinton , Yann LeCun és Yoshua Bengio „erősen idézni egymást”, de „nem jóváírja az úttörők a mező”, állítólag megértése hozzájárulások Schmidhuber és más korai gépi tanulási úttörők, köztük Alexey Grigorevich Ivakhnenko, aki már 1965 -ben közzétette az első mély tanulási hálózatokat. Schmidhuber azt válaszolta, hogy a LeCun egyetlen példát sem adott kijelentésére, és felsorolt több kiemelt vitát .
Elismerés
Schmidhuber 2013 -ban megkapta az International Neural Network Society Helmholtz -díját , 2016 -ban pedig az IEEE Computational Intelligence Society Neural Networks Pioneer Awardját 2016 -ban "úttörő hozzájárulásként a mély tanuláshoz és a neurális hálózatokhoz". Az Európai Tudományos és Művészeti Akadémia tagja .