Há uma declaração amplamente divulgada: Steve Jobs a empresa chamada Apple, e uma mordida da maçã como um logotipo, para comemorar a tomada suicídio ciência da computação pioneiro veneno maçã Alan Turing.

Alan Turing memorial estátua Foto :. LMNO

Jobs negou isso, mas ele disse, "grande esperança de que ele está assim concebida." De ciência da computação para inteligência artificial, Turing fez um contributo inovador para o seu nome de "Prêmio Turing" Computerworld é reconhecida como a maior honra, o equivalente a indústria de computadores com o Prémio Nobel.

Turing Award deste ano foi atribuído à profundidade dos campos Três Grandes de estudo: Yoshua Bengio, Yann LeCun e Geoffrey Hinton, em reconhecimento do seu impulso para o desenvolvimento da inteligência artificial, três cientistas vão dividir o prêmio de US $ 1 milhão.

da esquerda para a direita: Yann LeCun, Geoffrey Hinton e Yoshua Bengio imagens de :. The New York Times

Agora, a profundidade de aprendizagem tem sido quase sinônimo de inteligência artificial, a partir AlphaGo, reconhecimento de face, assistente de voz inteligente para o piloto automático, tudo graças ao desenvolvimento da aprendizagem profunda. Mas é progresso, é um conto de solidão.

, Reconhecimento de imagem IMAGEnet Challenge é um dos mais autoritário no campo de jogo de inteligência artificial nos últimos 10 anos.

IMAGEnet tem um banco de dados super super de milhões de imagens em que as imagens adicionar manualmente as tags pelo povo, explicar o conteúdo da imagem, e é dividido em diferentes categorias, de animais, carros e outras categorias, até que o tubarão, tão pouco papel higiênico classe. Os competidores têm a fazer é identificação de imagem e classificação de objectos, vitórias mais precisos.

. Alguns exemplos conjunto de dados IMAGEnet "Foxhound" em imagens de: Nova Ji-won

Em 2012, a primeira competição do cientista canadense computador Geoffrey Hinton levou a equipe ganhou o campeonato, e que preciso do que a segunda taxa em 10%.

Os resultados chocou o mundo acadêmico, porque era o segundo ao quarto usaram os mesmos métodos de pesquisa, eles têm feito a diferença final para cada taxa de precisão equipe de menos de 1%.

equipe Hinton utilizando uma abordagem completamente diferente - estudo aprofundado de algoritmos específicos são chamados de rede neural convolutional (CNN). Este é um passo marco para a frente, é Hinton avanço da equipe para academia e da indústria com mais atenção, usar a aprendizagem profunda e, finalmente, promover o grande desenvolvimento da indústria de inteligência artificial.

vitória sobre Lee Se-dol é a aplicação de AlphaGo rede neural convolução

Se o gato para identificar, por exemplo, um convencionais algoritmos de visão computacional contar com o conhecimento prévio do designer, como inferida por meio de uma coleção de gatos, quatro pernas, menores em tamanho, vai miar animal é um gato. Máquina para determinar se ele é um modo de pensar através da construção de uma pessoa do gato.

aprendizagem profunda é diferente, ele é automaticamente aprender a partir de dados e gatos relacionada com a massa, e extração de recurso correspondente, eventualmente, determinar que um objeto desconhecido é um gato. Isso é parecido com a forma como a mente humana, este algoritmo também tem sido atribuída à rede neural.

Embora pareça aprendizagem profunda é um algoritmo mais avançado fundamentalmente, mas no passado por um longo período de tempo, não é para ser otimista. Porque no passado para o conjunto de dados de treinamento são relativamente pequenas, o que pode facilmente levar a fenômeno over-fitting, ou seja, o algoritmo teve um bom desempenho no conjunto de teste, mas na prática não será um grande erro, ao mesmo tempo, o desempenho do computador não pode atender com milhares de parâmetros do modelo de aprendizagem de profundidade.

sistema de aprendizagem profundidade há uma forte demanda por GPU de alto desempenho, a NVIDIA é um benefício da empresa

Yoshua Bengio, Yann LeCun e Geoffrey Hinton três cientistas estudo aprofundado e pesquisa estão aderindo sob tais restrições.

Hinton tem sido 71 anos de idade, em 1970, ainda é o PhD da Universidade de Edimburgo, na inteligência artificial Ele fascinado pela rede neural, que era contrário e o mainstream acadêmico, até mesmo o seu orientador de doutorado também se opôs a sua pesquisa.

"Nós nos encontramos uma vez por semana e às vezes eles vão brigar mais, às vezes não.", Disse Hinton em entrevista recordou seu tempo de doutoramento.

Yoshua Bengio e Yann LeCun a ser mais jovens, três estudos de intersecção mútua. Yann LeCun 58 anos, de 1987 a 1988, ele tinha um ano de experiência de investigação pós-doutoramento em Hinton laboratório, em seguida, juntou-se ao topo, em seguida, faz parte da AT & T Bell Labs.

Labs Bell foi instituições de investigação científica de topo de ponta do mundo, incluindo o âmbito do estudo, incluindo matemática, física, ciência dos materiais, ciências comportamentais e conceitos de programação de computadores e de rede altamente complexa de sistemas de telecomunicações e outras imagens :. MBisanz

Na Bell Labs, LeCun estudo de uso profundidade desenvolveu um sistema de letras e números de telefone de reconhecimento de escrita, o sucesso alcançado um bom sucesso comercial, foi identificado 10 por cento dos cheques manuscritas dos EUA.

Mas quando ele aprendeu a profundidade usado em outras áreas, ele encontrou dificuldades, somente quando o conjunto de dados de treinamento é grande o suficiente, a profundidade de aprender a comportar-se bem o suficiente, mas era raramente que áreas de satisfazer essa condição.

pesquisa LeCun são vistos como diferentes, mas ainda existem alguns pesquisadores como ele acredita que o futuro da aprendizagem profunda, incluindo 55-year-old, Yoshua Bengio era o mesmo na Bell Labs.

Em 2004, sob os auspícios das instituições científicas fronteira canadense, Geoffrey Hinton fundada para se concentrar em projeto "Computação Neural e Percepção Adaptive", ele também convidou estudo aprofundado de Yoshua Bengio persistir por muitos anos e Yann LeCun participar.

Após três juntos, é para promover o estudo aprofundado história para continuar a avançar. Eles ajudam em 2010, Microsoft, IBM e Google a expandir os limites do reconhecimento de voz, reconhecimento de imagem depois de feito o mesmo trabalho, até que em 2012, Hinton levou a equipe a fama em reconhecimento de imagem IMAGEnet Desafio Guerra Mundial, abriu um manual página nova inteligente.

Agora, Hinton entrou no Google, enquanto continua a trabalhar na Universidade de Toronto; chefe LeCun de cientista inteligência artificial Facebook, também é professor na Universidade de Nova York; Bengio rejeitou o convite de gigantes da tecnologia, ele é professor na Universidade de Montreal, e a criação de um elemento AI AI ligou para a empresa.

Se o estudo Dr. Hinton durante a contagem, eles têm silenciosamente por 30 anos para a aprendizagem profunda.

"Eles levaram a transformação do paradigma científico, história escolheu eles, estou cheio de temor." Outro AI Daniel, Instituto Allen para CEO Artificial Intelligence, Oren Etzioni disse de seu prêmio.

Turing Award não se esqueceu de heróis, devemos também ter em mente.

Figura pergunta: The New York Times

Referências:

The New York Times: Turing Award venceu por 3 pioneiros em Inteligência Artificial

Universidade Chinesa de Hong Kong, Professor Wang Xiaogang: Avanços e Perspectivas de aprendizagem profunda em reconhecimento de imagem