首页 - 新闻世界 - 碱性食物,2018图灵奖发布!Hinton、Bengio、LeCun深度学习三巨子同享,一亩等于多少平方米

碱性食物,2018图灵奖发布!Hinton、Bengio、LeCun深度学习三巨子同享,一亩等于多少平方米

发布时间:2019-04-07  分类:新闻世界  作者:admin  浏览:161

据官方布告介绍,因三位巨擘在深度神经网络概念和工程上的打破,使得 DNN 成为核算的一个重要构成,泽旺拉姆成婚的相片然后成为 2018 年图灵奖得主。

这是图灵奖十年来第三次颁给机器学习范畴的杰坏姐姐mv出奉献者了:2011 年图灵奖得主为 Judea Pearl,他开发的概率与因果推理微积分(calculus for probabilistic and causal reasoning)为人工智能开展做出了严重奉献。Leslie Gabriel Valiant 取得了 2010 年图灵奖,他为核算理论的开展作出了革新性奉献,包含 PAC 学习理论、并行与散布核算理论等。

https://amturing.acm.org/byyear.cfm

小川美

信任读者对这三位巨擘的姓名现已耳熟能详。

Yoshua Bengio 是蒙特利尔大学教授、魁北克人工智能组织 Mila 的科学主管。Geoffrey Hinton 是谷歌副总裁、工程研讨员,也是 Vector Institute 的首席科学参谋、多伦多大学 Emeritus 荣誉教授。Yann LeCun 是纽约大学教授、Facebook 副总裁和首席 AI 科学家。

或是独立或是协作,Hin小bbton、LeCun 和 Bengio 开发了深度学习范畴的华夏银行手机客户端概念根底,并经过试验验证了令人惊讶的现象,此外,他们还奉献了一些工程开展,展现了深度神经网络的有用优势。近年来,深度学习办法促进核算机视觉、语音辨认、自然语言处理和机器人技能等使用范畴取得极大打破。

尽管在 20 世纪 80 时代,研讨者就引入了人工神经网络协助核算机辨认形式、碱性食物,2018图灵奖发布!Hinton、Bengio、LeCun深度学习三巨擘同享,一亩等于多少平方米仿照人类智能,但一直到 21 世纪初,LeCun、Hinton 和 Bengio 这样一小撮研讨者依然坚持这种办法。尽管一开端,他们重燃人工智能社区对神经网络爱好的尽力遭到了置疑,但现在他们的主意带来了严重的技能前进,他们的办法也已成为该范畴的主导范式。

图灵奖是核算机协会(ACM)于 1966 年建立的奖项,专门奖赏对核算机作业作出重要奉献的个人,有「核算机界诺贝尔奖」之称,奖金为 100 万美元,由谷歌公司资助。图灵奖的称号取自英国数学家艾伦图灵(Alan M. Turing),他奠定了核算机的数学根底和局限性。

ACM 主席 Cherri M. Pancake 表明,「人工智能现在是整个科学界开展最快的范畴之一,也是社会上评论最广的主题之一。AI 的开展、人们对 AI 的爱好,很大程度上是因为深度学习的近期开展,而 Bengio、Hinton 和 LeCun 为此奠定了重要根底。这些技能现在已被数十亿人运用。经过口袋中的手机,人们能够体会到 10 年前不可能体会的自然语言处理和核算机视觉技能。除了咱们每天运用到的产品,深度学习的最新开展也为医疗、地理、材料科学等各个范畴的科学家们带来了强壮的新式东西。

「深度神经网络促进了现代核算机科学的极大前进,在处理核算机视觉、语音辨认和自然语言处理范畴中的长时间问题方面取得了极大开展。」Google AI 负责人 Jeff Dean和蔼园包子 表明,「该开展的中心得益于本年图灵奖得主 Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun 30 多年前开发的根底技能。深度神经网络明显进步了核算机感知国际的才干,它不只改动了核算范畴,也简直改动了科学和人类斗争的一切范畴。」

机器学习、神经网络和深妹寝取度学习

传统核算中,核算机程序运用明晰的一步步指令指引核算机。而在深度学习这一 AI 研讨子范畴中,核算机并未得到关于怎么处理特定使命的显式阐明。深度学习运用学习算法从数据中提取输入数据与期望输出的相关形式,比方输入数据为图画像素,输出为标签「猫」。研讨者面对的应战是开宣布高效的学习算法,批改神经网络中衔接的权重以使它能够捕捉到丘比特的骗局第二部数据中的相关形式。

自 20 世纪 80 时代开端,Geoffrey Hinton 就开端发起运用机器学习办法进行人工智能研讨,他期望经过人脑运作办法探究机器学习体系。受人脑的启示,他和其他研讨者提出了「人工神经网络」(artificial neural network),为机器学习研讨奠定了柱石。

在核算机科学范畴,「神经网络」指由多个简略核算元素(神经元)层所组成的体系。这些「神经元」只是大致地仿照了人脑皇明风云录中的神经元,但却能经过加权衔接互相影响。经过改动衔接的权重来改动神经网络所履行的核算。Hinton、LeCun 和 Bengio 认识到运用多层深度网络的重要性,即「深度学习」。

因为 GPU 核算机的遍及和海量数据的获取,Hinton、碱性食物,2018图灵奖发布!Hinton、Bengio、LeCun深度学习三巨擘同享,一亩等于多少平方米LeCun 和 Bengio 在 30 年中所奠定的概念根底和工程实践得到了极大进步。近年来,多种要素导致核算机视觉、语音辨认和机器翻译等技能呈现了跳跃式开展。

Hinton、LeCun 和 B天庭内情engio 也曾合作过。LeCun 曾在 Hinton 的指导下完结博士后作业,20 世纪 90 时代,LeCun 和 Bengio 都在贝尔试验室作业。即便不在一同作业的时分,他们的研讨中也存在协同和相互相关性,他们对互相产生了巨大的影响。

这三位大牛现在持续探究机器学习与神经科学和认知科学之间的穿插范畴,最闻名的是他们一同参加了加拿大高档研讨所(CIFAR)的「机器与大脑学习方案(Learning in Machines and Brains program)。

首要技能效果

本年图灵奖得主的技能效果带来了 AI 技能的极大打破,包含但不限于以下效果。

Geoffrey Hinton

ACM 表明 Geoffrey E Hinton碱性食物,2018图灵奖发布!Hinton、Bengio、LeCun深度学习三巨擘同享,一亩等于多少平方米 首要有三大重要奉献:

在 1986 年的一篇论文中,碱性食物,2018图灵奖发布!Hinton、Bengio、LeCun深度学习三巨擘同享,一亩等于多少平方米Hinton 与 David Rumelhart 和 Ronald Williams 提出了反向传达,这篇论文即闻名的《Learning Internal Representations by Error Propagation》。Hinton 等研讨者表明反向传达算法答应神经网络探究数据内部的深层表征,因而神经网络才干处理曾经被以为无法处理的问题。反向传达现在现已成为练习深度神经网络所必需的算法。

1983 年,Hinton 和 Terrence Sejnowski 提出了玻尔兹曼机,它是第一个能学习神经元内部表征的深度神经网络,这种表征既不是输入也不是输出的一部分。

迷幻香薰

到了 2012 年,Hinton 与他的学生 Alex Krizhevsky 和 Ilya Sutskever 为卷积神经网络的开展做出了重要奉献。他们首先运用批改线性神经元(ReLU)和 Dropout 正则化大大进步了深度卷积神经网络的功能。在当年的 ImageNet 竞郎帅赛中,Hinton 和他的碱性食物,2018图灵奖发布!Hinton、Bengio、LeCun深度学习三巨擘同享,一亩等于多少平方米学生简直将图画辨认的误差率折半,这一次应战赛重塑了核算机视觉范畴。

Yoshua Bengio

ACM 表明 Yoshua Bengio 首要有三大重要奉献:

在上个世纪九十时代,Bengio 提出将神经网络与序列的概率建模相结合,例如隐马尔可夫模型这种序列的概率建模办法。这些立异观念被 AT旱杨柳&T口爆店/NCR 所承受,并用于阅览手写支票碱性食物,2018图灵奖发布!Hinton、Bengio、LeCun深度学习三巨擘同享,一亩等于多少平方米,该体系被以为是九十时代神经网络研讨的巅峰之作,现代根据深度学习的语音辨认体系都是在这些概念上持续扩展的。

在 2000 年,Bengio 等研讨者宣布了一篇具有里程碑含义的论文《A Neural Probabilistic Language Model》,该论文引入了高维词嵌入作为词义的表征办法。Bengio 的观念对自然语言处理使命产生了巨大而耐久的影响cxv本田,包含机器翻译、常识问答、视觉问答等等。他的研讨团队还提出了一种注意力机制,该办法直接导致了机器翻译范畴的打破,并构成了深度学习序列建模的要害组成部分。

自 2010 年以来,Bengio 十分重视生成式深度学习,特别是他与 Ian Goodfellow 等研讨者提出的生成对立网络(GAN),这项研讨引起了核算机视觉和核算机图形学的革新。这项作业令人惊讶的当地在于,核算机能生成与原始图画相媲美的图画,这不免让人联想到人类水平的创造力。

Yann LeCun

ACM 表明 Yann LeCun 首要有三大重要奉献:

20 世纪 80 时代,LeCun 构建了卷积神经网络,这是该范畴的一项重要理论,关于进步深度学习功率至关重要。20 世纪 80 时代后期,LeCun 上任于多伦多大学和贝尔试验室,也是在这一时期缔妍娜,它使用手写数字图画练习了第一个卷积神经网络体系。现在,卷积神经网络已成为核算机视觉、语音辨认、语音组成、图画组成和自然语言处理范畴的行业标准。卷积神经网络有着广泛的使用,如主动驾驶、医学图画剖析、语音帮手和信息过滤等。

改善反向传达算法,LeCun 提出了一个前期版别的反向传达算法(backprop),并根据变分原理给出了一个明晰的推导。他加速反向传达算法的作业包含描绘加速学习速度的两个简略办法。

LeCu碱性食物,2018图灵奖发布!Hinton、Bengio、LeCun深度学习三巨擘同享,一亩等于多少平方米n 的奉献还包含拓展神经网络的研讨视角,他将神经网络开展为一种核算模型,用到一系列使命中,他前期作业中的一些概念已成为 AI 开展的柱石。例如,在图画辨认范畴,他研讨了怎么在神经网络中学习分层特征表好易购电视直播征——这一概念现在常常用于许多辨认使命。他和 Leon Bottou 一同天姿隐瞒霜提出:学习体系能够被构建为杂乱的模块网络,在这个网络中,反向传达经过主动微分来履行,这一理念用在每一个现代深度学习软件中。他们还提出了能够处理结构化数据的深度学习架构,如「图」(公孙舞翻graph)。

原文链接:https://awards.acm.org/about/2018-turing

本文为机器之心报导,转载请联络本大众号取得授权。

开发 核算机 技能
声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间效劳。