Как личность, будь то ребенок, подросток или взрослый, есть ряд людей, на которых мы равняемся и которыми восхищаемся. Такие люди, которыми мы восхищаемся, могут быть нашими родителями или даже братьями и сестрами ; но в большинстве случаев это кто-то популярный в сфере искусства и развлечений, и именно эти люди побуждают нас быть больше, чем мы есть, и добиваться звезд.

Лично меня интересовала область А.И. и его подполе машинного обучения за последние 3 года и больше; и совершенно невозможно, чтобы я все еще был в пути, если бы не эти люди и их работа.

В первой части моей серии статей об А.И. личности, я планирую предоставить кураторский список профилей, достижений и текущих проектов этих талантливых и высокоинтеллектуальных людей. Надеюсь, вы чему-то научитесь так же, как и я.

Итак, с учетом сказанного, как насчет того, чтобы сегодня мы узнали что-то немного другое?

P.S.: Немного необъективно!

1. Эндрю Нг

В январе 2019 года, проведя небольшое исследование платформ, на которых я мог бы изучать машинное обучение, я решил пройти популярный курс машинного обучения Эндрю Нг (мой первый герой, который действительно развил во мне интерес к машинному обучению) на МООК. платформа: Coursera, которую он основал вместе с Дафной Коллер. В дополнение к своей страсти к обучению и преподаванию, Эндрю Нг также является профессором с частичной занятостью в авторитетном Стэнфордском университете. Эндрю Нг сделал блестящую карьеру в сфере искусственного интеллекта. и его подполей, которые действительно не нуждаются в представлении. Частью его образования является получение степени магистра в Массачусетском технологическом институте и докторской степени. в Калифорнийском университете.

А.И. это новое электричество. — Эндрю Нг

После того, как он основал Google Brain вместе с несколькими своими коллегами во время непродолжительного пребывания в Google, он перешел на работу в Baidu (китайская технологическая компания) в качестве ее главного научного сотрудника. После ухода из Baidu в 2017 году Эндрю продолжал вносить огромный вклад в область искусственного интеллекта. и техники в целом. Затем он основал еще одну компанию под названием «Deeplearning.ai», которая в партнерстве с Coursera предоставляет онлайн-курсы не только по передовым методам, но и по современным инструментам для эффективного машинного обучения. задания. Вот некоторые из хорошо известных курсов, опубликованных через Deeplearning.ai через Coursera:

Эндрю Нг по-прежнему занят своими предпринимательскими перспективами в Landing.AI, а также курсами, которые он выпускает на Coursera. Он также выступал с докладами, особенно связанными с искусственным интеллектом, ориентированным на данные; идея, которую он отстаивал в течение некоторого времени, согласно которой выходные результаты модели определяются данными, на которых она обучена. Эта идея говорит о многом, особенно в эпоху, когда нас преследуют дезинформация и предрассудки, особенно среди групп меньшинств.

В дополнение к своим многочисленным бесчисленным достижениям, Эндрю Нг также непосредственно отвечает за скрытое распределение Дирихле (LDA), которое представляет собой инструмент генеративного тематического моделирования, который можно использовать для установления того, о чем конкретный фрагмент текста, на основе наличия определенных слова в указанном тексте.

Чтобы общаться и учиться у этого маэстро в этой области, его аккаунт в Твиттере: Эндрю Нг. Подпишитесь на него, и давайте учиться друг у друга.

2. Дафна Коллер

Дафна Коллер (ах, да! Еще один из моих любимых героев в области искусственного интеллекта), без сомнения, является основополагающей фигурой и вкладчиком в машинное обучение и, как следствие, в более широкое развитие искусственного интеллекта. поле. Как упоминалось выше, вместе со своим коллегой и другом Эндрю Нг она стала соучредителем платформы онлайн-обучения: Coursera. Доктор Коллер, на мой взгляд, один из самых умных умов на планете. Зачем мне это говорить? Помимо ее огромных достижений, она была удостоена желанной премии Макартура (более известной как «Грант гения»). Также в 2008 году она получила еще один щедрый грант от учреждений ACM-Infosys за свою блестящую работу. До этого она закончила свою первую степень в возрасте 18 лет, а затем через год получила степень магистра.

Высококачественное образование, обеспечиваемое МООК, может стать важным фактором, открывающим двери для новых возможностей — даже среди людей с высшим образованием. — Дафна Коллер

Что касается ее работы, которая охватывает более двух десятилетий, доктор Коллер присоединилась к штату Стэнфорда в 1990-х годах и, таким образом, внесла значительный вклад в область вероятностных графических моделей (интересная тема, о которой я также пишу прямо здесь, на Medium). ); она также стала членом некоммерческой Национальной инженерной академии (NAE) в результате указанных взносов. Благодаря своему опыту и знаниям в области представления, вывода и изучения структуры графических моделей, Коллер вместе с одним из своих коллег: Ниром Фридманом опубликовали в 2009 году книгу под названием «Вероятностные графические модели: принципы и методы».

Дафна Коллер проявляла интерес к машинному обучению в биологических науках на протяжении многих лет, когда в Calico Life Sciences она занимала должность главного вычислительного директора. Пару лет спустя, в 2018 году, она покинула Calico, чтобы основать собственный стартап Insitro, компанию по разработке лекарств, использующую технологии машинного обучения. сообщества в короткие сроки.

Вскоре Коллер вместе с несколькими другими блестящими умами в области искусственного интеллекта, практиками и авторитетными исследователями в отрасли примет участие в конференции, чтобы выступить с докладами и поделиться своими мыслями. Конференция, о которой идет речь, называется «масштабная TransformX» и будет проходить в течение 3 дней с 19 по 21 октября.

Чтобы связаться с этим блестящим умом, ее аккаунт в Твиттере выглядит следующим образом: Дафна Коллер.

3. Джеффри Хинтон

Когда дело доходит до общей темы глубокого обучения (D.L.) в целом, Джефф Хинтон — лучший парень. С любовью известный как «Крестный отец искусственного интеллекта», Хинтон имеет карьеру, которая охватывает более 4 десятилетий. Хинтон сделал слишком много (в очень хорошем смысле) вклада в Д.Л. сообщество. Получив степень бакалавра экспериментальной психологии, он продолжил обучение в Эдинбургском университете, где получил степень доктора философии. в А.И.

После получения докторской степени. исследований, Хинтон стал директором-основателем отдела вычислительной неврологии благотворительного фонда Гэтсби в Университетском колледже Лондона. Помимо своей выдающейся карьеры, он также занимает должность канадского научного руководителя в области машинного обучения.

В 2012 году Хинтон сотрудничал с платформой онлайн-обучения: Coursera, чтобы преподавать бесплатный курс на тему нейронных сетей, курс под названием «Нейронные сети для машинного обучения»; Также во время этого онлайн-урока Хинтон вывел, хотя и по счастливой случайности, алгоритм оптимизации среднеквадратичного распространения (RMSProp.): метод изучения параметров нейронной сети в процессе обучения. В то же время нейронные сети и глубокое обучение пережили всплеск популярности из-за возросшей вычислительной эффективности и особенно больших объемов данных для обучения. Кроме того, именно в том же 2012 году Хинтон и его коллега Наир разработали популярную функцию активации ReLU (выпрямленная линейная единица), обычно используемую в нейронных сетях.

Компьютеры могут притворяться чем угодно, что вы можете четко указать. — Джефф Хинтон

Еще одним его выдающимся вкладом в сообщество глубокого обучения было его 5-летнее пребывание в качестве профессора в Университете Карнеги-Меллона, где Хинтон вместе с некоторыми из своих коллег: Румельхартом и Уильямсом вывел очень популярный алгоритм обратного распространения для изучения весов или параметров. для общей искусственной нейронной сети. Как первопроходец в области нейронных сетей, его влияние и вклад продолжали расти, поскольку он стал соавтором машин Больцмана, особого случая марковского случайного поля или неориентированной графической модели. В 2017 году он также опубликовал исследовательскую работу на тему капсульных нейронных сетей, чтобы лучше использовать иерархические наборы данных.

Имея множество наград, в первую очередь премию Тьюринга, которая была вручена ему совместно с Яном Лекуном и Йошуа Бенжио за их блестящую работу в области глубокого обучения, Хинтон также страстно любит делиться своими знаниями с другими и даже перешел к быть докторантом многих столь же выдающихся деятелей в области искусственного интеллекта, таких как Илья Суцкевер и Янн Лекун, и это лишь некоторые из них.

Чтобы связаться с Джеффом Хинтоном, его ссылка в Твиттере выглядит следующим образом: Джеффри Хинтон.

4. Йошуа Бенжио

Йошуа Бенжио — еще один крупный игрок в области искусственного интеллекта. индустриальное и техническое пространство; Имея степень бакалавра наук в области электротехники, Бенжио продолжил свое образование, получив степень магистра и доктора философии. в области компьютерных наук из Университета Макгилла. Считающийся сегодня одной из самых выдающихся фигур в развитии глубокого обучения, Бенжио участвует в «игре» уже более 2 десятилетий.

Вместе со своими сверстниками он также разделяет страсть к преподаванию. С начала 1990-х Бенжио работает в Университете Монреаля в составе его преподавателей. Он также возглавляет Монреальский институт алгоритмов обучения и соруководит Канадским институтом перспективных исследований, оба из которых занимаются соответствующими исследованиями. В 2000 году он опубликовал одну из своих очень популярных статей: «Нейронно-вероятностная языковая модель», в которой стремился установить многомерные вложения слов для представления слов.

Философию нужно преподавать в начальной школе, потому что нам нужно, чтобы следующее поколение понимало, как думать самостоятельно, как рассуждать. — Йошуа Бенжио

Бенжио также написал пару книг об искусственном интеллекте и нейронных сетях. Вот некоторые из них:

  • Искусственные нейронные сети и их приложения (1995)
  • Нейронные сети для распознавания речи и последовательности (1996)
  • Изучение глубоких архитектур для ИИ (2009 г.)
  • Глубокое обучение (2015)

Чтобы связаться с Йошуа Бенжио в социальных сетях, его профиль LinkedIn: Йошуа Бенжио.

5. Иудейская жемчужина

Джуда Перл считается самым выдающимся и действительно пионером вероятностного подхода к области искусственного интеллекта; его десятилетия работы в области причинно-следственных связей и выводов не имеют себе равных, и, на мой взгляд, его имя является синонимом вероятностных графических моделей. Американец израильского происхождения, имеющий двойное гражданство, Перл служил в израильской армии, после чего решил изучать электротехнику в престижном Технионе — Израильском технологическом институте в Израиле.

Затем он продолжил обучение на степень магистра электроники в США в Технологическом институте Нью-Джерси, официально известном как Ньюаркский инженерный колледж, в 1961 году, а также получил еще одну степень магистра физики в Университете Рутгерса всего через 4 года. годы спустя. Позже он защитил докторскую диссертацию. в Инженерной школе Тандон Нью-Йоркского университета, официально известной как Бруклинский политехнический институт. Диссертация Перла под названием Вихревая теория сверхпроводящей памяти завоевала популярность среди физического сообщества, где ее ласково называют Перл Вихрь.

Профессор статистики и компьютерных наук в инженерной школе Калифорнийского университета в Лос-Анджелесе, он также занимает должность директора Лаборатории когнитивных систем (просто упомянем одну из своих многочисленных должностей). Его уважаемый опыт работы в целом обширен в компьютерных науках и искусственном интеллекте, и одна из его ранних работ была фактором в этом. В 1984 году вышла публикация под названием Эвристика: Intelligent Search Strategies for Computer Problem Solving, которая состояла из общих алгоритмов поиска. Кроме того, Перл проделал феноменальную работу в области причинно-следственных связей (то есть причинно-следственных связей), особенно в области так называемого эффекта «объяснения».

Теперь, неформально и кратко, эффект «объяснения» заключается в том, что у нас есть две причины, которые приводят к аналогичному эффекту, и вероятность возникновения одного события эффективно объясняет или уменьшает вероятность причины другого явления. Например: лично я живу в африканском регионе к югу от Сахары, и, к сожалению, малярией заражаются довольно часто. Сначала я так и думал, но когда сделал тест, он оказался отрицательным. Это было странно, потому что у меня были все симптомы (причины), но это была не малярия (следствие). Через пару дней мое состояние не изменилось, поэтому я сделал тест на ковид, и он оказался положительным.

Теперь это имело смысл, потому что возникновение covid теперь эффективно объяснило возникновение малярии моими симптомами. (Это то, что я объясню далее в одной из моих следующих технических статей).

Вероятности — это сводка знаний, остающихся после передачи информации на более высокий уровень абстракции. — Иудейская жемчужина

Вот некоторые из публикаций Judea Pearl:

  • Эвристика: интеллектуальные стратегии поиска для решения компьютерных проблем (1984)
  • Вероятностное мышление в интеллектуальных системах: сети правдоподобного вывода (1988)
  • Причинность (2000)
  • Причинный вывод в статистике: учебник для начинающих (2016)

Чтобы связаться с Judea Pearl в Твиттере, его ссылка выглядит следующим образом: Judea Pearl.

Надеюсь, вам понравилась эта статья, и вы узнали из нее что-то такое же, как и я. Со временем я планирую написать еще одну («Часть II»). Любые и все вклады приветствуются.

Спасибо!