✖


Jump to content

Юрген Шмидхубер

Юрген Шмидхубер
Шмидхубер выступает на глобальном саммите AI for GOOD в 2017 году.
Рожденный 17 января 1963 г. [ 1 ]
Мюнхен , [ 1 ] Западная Германия
Альма-матер Технический университет Мюнхена
Известный Длинная кратковременная память , машина Гёделя , искусственное любопытство, метаобучение.
Научная карьера
Поля Искусственный интеллект
Учреждения Институт исследований искусственного интеллекта Далле Молле
Веб-сайт люди .идсия .ч /~юрген

Юрген Шмидхубер (родился 17 января 1963 г.) [ 1 ] немецкий ученый-компьютерщик, известный своими работами в области искусственного интеллекта , в частности искусственных нейронных сетей . Он является научным директором Института исследований искусственного интеллекта Далле Молле в Швейцарии . [ 2 ] Он также является директором Инициативы по искусственному интеллекту и профессором программы компьютерных наук в отделе компьютерных, электрических, математических наук и инженерии (CEMSE) Университета науки и технологий имени короля Абдаллы (KAUST) в Саудовской Аравии . [ 3 ] [ 4 ]

Он наиболее известен своими основополагающими и широко цитируемыми [ 5 ] работа над долговременной кратковременной памятью (LSTM), типом архитектуры нейронных сетей, который был доминирующим методом для различных задач обработки естественного языка в исследовательских и коммерческих приложениях в 2010-х годах. Он также представил принципы динамических нейронных сетей , метаобучения , генеративно-состязательных сетей. [ 6 ] [ 7 ] [ 8 ] и линейные трансформаторы , [ 9 ] [ 10 ] [ 8 ] все они широко распространены в современном искусственном интеллекте.

Карьера

[ редактировать ]

Шмидхубер закончил бакалавриат (1987 г.) и докторантуру (1991 г.) в Мюнхенском техническом университете в Мюнхене , Германия. [ 1 ] Его научными руководителями были Вильфрид Брауэр и Клаус Шультен . [ 11 ] Преподавал там с 2004 по 2009 год. С 2009 года [ 12 ] до 2021 года он был профессором искусственного интеллекта в Университете итальянской Швейцарии в Лугано , Швейцария. [ 1 ]

С 1995 года он занимал должность директора Института исследований искусственного интеллекта Далле Молле (IDSIA), швейцарской лаборатории искусственного интеллекта. [ 1 ]

В 2014 году Шмидхубер основал компанию Nnaisense для работы над коммерческим применением искусственного интеллекта в таких областях, как финансы, тяжелая промышленность и беспилотные автомобили . Зепп Хохрайтер , Яан Таллинн и Маркус Хуттер являются консультантами компании. [ 2 ] В 2016 году объем продаж составил менее 11 миллионов долларов США; однако Шмидхубер заявляет, что в настоящее время упор делается на исследования, а не на доходы. Nnaisense привлекла свой первый раунд капитального финансирования в январе 2017 года. Общая цель Шмидхубера — создать универсальный ИИ путем последовательного обучения одного ИИ решению множества узких задач. [ 13 ]

Исследовать

[ редактировать ]

В 1980-х годах обратное распространение ошибки не подходило для глубокого обучения с длинными путями присвоения кредитов в искусственных нейронных сетях . Чтобы преодолеть эту проблему, Шмидхубер (1991) предложил иерархию рекуррентных нейронных сетей (RNN), предварительно обучаемых по одному уровню за раз посредством самоконтролируемого обучения . [ 14 ] Он использует прогнозирующее кодирование для изучения внутренних представлений в нескольких самоорганизующихся временных масштабах. Это может существенно облегчить последующее глубокое обучение. Иерархию RNN можно свернуть в единую RNN путем разделения более высокого уровня сети блоков в сеть автоматизатора более низкого уровня . [ 14 ] [ 15 ] В 1993 году чанкёр решил задачу глубокого обучения, глубина которой превысила 1000. [ 16 ]

В 1991 году Шмидхубер опубликовал состязательные нейронные сети , которые соревнуются друг с другом в форме игры с нулевой суммой , где выигрыш одной сети является проигрышем другой сети. [ 6 ] [ 17 ] [ 7 ] [ 8 ] Первая сеть представляет собой генеративную модель , которая моделирует распределение вероятностей по шаблонам выходных данных. Вторая сеть учится с помощью градиентного спуска предсказывать реакцию окружающей среды на эти закономерности. Это называлось «искусственным любопытством». В 2014 году этот принцип использовался в генеративно-состязательной сети , где реакция окружающей среды равна 1 или 0 в зависимости от того, находится ли выход первой сети в заданном наборе. GAN были новейшим достижением в генеративном моделировании в период 2015–2020 годов.

Шмидхубер руководил дипломной работой своего ученика Зеппа Хохрайтера в 1991 году. [ 18 ] который он считал «одним из самых важных документов в истории машинного обучения». [ 15 ] Он изучал компрессор нейронной истории , [ 14 ] и, что более важно, проанализировал и преодолел проблему исчезновения градиента . Это привело к созданию долговременной кратковременной памяти (LSTM), типа рекуррентной нейронной сети . Название LSTM было введено в техническом отчете (1995 г.). что привело к появлению самой цитируемой публикации LSTM (1997), в соавторстве с Хохрайтером и Шмидхубером. [ 19 ] Это еще не была стандартная архитектура LSTM, которая используется практически во всех современных приложениях. Стандартная архитектура LSTM была представлена ​​в 2000 году Феликсом Герсом , Шмидхубером и Фредом Камминсом. [ 20 ] Сегодняшний «ванильный LSTM», использующий обратное распространение ошибки во времени, был опубликован его учеником Алексом Грейвсом в 2005 году. [ 21 ] [ 22 ] и его коннекционистской временной классификации (CTC). алгоритм обучения [ 23 ] в 2006 году. CTC был применен для сквозного распознавания речи с помощью LSTM. К 2010-м годам LSTM стал доминирующим методом для различных задач обработки естественного языка, включая распознавание речи и машинный перевод , и был широко реализован в коммерческих технологиях, таких как Google Neural Machine Translation . [ 24 ] также использовались в Google Voice для транскрипции [ 25 ] и искать, [ 26 ] и Сири . [ 27 ]

В 2014 году современным уровнем техники было обучение «очень глубокой нейронной сети» с 20–30 слоями. [ 28 ] Наложение слишком большого количества слоев привело к резкому снижению точности обучения . [ 29 ] известная как проблема «деградации». [ 30 ] В 2015 году Рупеш Кумар Шривастава, Клаус Грефф и Шмидхубер использовали LSTM принципы для создания сети шоссе — нейронной сети прямого распространения с сотнями слоев, гораздо более глубокой, чем предыдущие сети. [ 8 ] [ 31 ] [ 32 ] Одновременно была разработана остаточная нейронная сеть (ResNet), которая является частным случаем сети автомагистралей. [ 33 ]

В 1992 году Шмидхубер опубликовал программу быстрых весов , альтернативу рекуррентным нейронным сетям . [ 9 ] У него есть медленная нейронная сеть с прямой связью , которая посредством градиентного спуска учится управлять быстрыми весами другой нейронной сети посредством внешних продуктов самогенерируемых шаблонов активации, а сама сеть быстрых весов оперирует входными данными. [ 10 ] Шмидхубер использовал терминологию «обучение внутренним источникам внимания» в 1993 году. [ 34 ] Недавно он переименовал его в «Линеаризованный Трансформер» и утверждает, что он был предшественником Трансформеров . [ 10 ] но Джеффри Хинтон оспаривает это утверждение о приоритете. [ 35 ]

В 2011 году команда Шмидхубера в IDSIA вместе с его постдоком Дэном Сиресаном также добилась значительного ускорения работы сверточных нейронных сетей (CNN) на быстрых параллельных компьютерах, называемых графическими процессорами . Более ранняя версия CNN на GPU, написанная Chellapilla et al. (2006) было в 4 раза быстрее, чем эквивалентная реализация на ЦП. [ 36 ] Глубокий CNN Дэна Чиресана и др. (2011) в IDSIA было уже в 60 раз быстрее [ 37 ] и добился первого сверхчеловеческого выступления на конкурсе компьютерного зрения в августе 2011 года. [ 38 ] В период с 15 мая 2011 г. по 10 сентября 2012 г. эти CNN выиграли еще четыре имиджевых конкурса. [ 39 ] [ 40 ] и улучшил современное состояние нескольких тестов изображений. [ 41 ] Этот подход стал центральным в области компьютерного зрения . [ 40 ] Он основан на конструкции CNN, представленной гораздо ранее Яном Лекуном и др. (1989) [ 42 ] который применил алгоритм обратного распространения ошибки к варианту Кунихико Фукусимы оригинальной архитектуры CNN , называемому неокогнитроном , [ 43 ] позже модифицированный методом Дж. Венга под названием max-pooling . [ 44 ] [ 40 ]

Кредитные споры

[ редактировать ]

Шмидхубер спорно утверждал, что ему и другим исследователям было отказано в адекватном признании их вклада в область глубокого обучения , в пользу Джеффри Хинтона , Йошуа Бенджио и Янна ЛеКуна , которые разделили Премию Тьюринга 2018 года за свою работу в области глубокого обучения. [ 2 ] [ 45 ] [ 46 ] В 2015 году он написал «резкую» статью, в которой утверждал, что Хинтон, Бенджио и Лекун «часто цитируют друг друга», но «не отдают должное первопроходцам в этой области». [ 46 ] В заявлении для New York Times Янн ЛеКун написал, что «Юрген маниакально одержим признанием и продолжает требовать признания, которого он не заслуживает, во многих, многих вещах... Это заставляет его систематически вставать в конце каждого выступления». и требовать признания того, что только что было представлено, как правило, необоснованно». [ 2 ] Шмидхубер ответил, что ЛеКун сделал это «без всякого обоснования, не приведя ни одного примера». [ 47 ] и опубликовал подробности многочисленных споров о приоритетах с Хинтоном, Бенджио и ЛеКуном. [ 48 ] [ 49 ]

Термин «шмидхуберед» в шутку использовался в сообществе ИИ для описания привычки Шмидхубера публично оспаривать оригинальность работ других исследователей. Некоторые представители сообщества ИИ рассматривают эту практику как «обряд посвящения» для молодых исследователей. Некоторые предполагают, что значительные достижения Шмидхубера были недооценены из-за его конфронтационного характера. [ 50 ] [ 45 ]

Признание

[ редактировать ]

Шмидхубер получил Премию Гельмгольца Международного общества нейронных сетей в 2013 году. [ 51 ] и награда «Пионер нейронных сетей» Общества вычислительной разведки IEEE в 2016 году. [ 52 ] за «новаторский вклад в глубокое обучение и нейронные сети». [ 1 ] Он является членом Европейской академии наук и искусств . [ 53 ] [ 12 ]

Его называют «отцом современного ИИ» или чего-то подобного. [ 63 ] а также «отец глубокого обучения». [ 64 ] [ 56 ] Однако сам Шмидхубер назвал Алексея Григорьевича Ивахненко «отцом глубокого обучения». [ 65 ] и отдает должное многим еще более ранним пионерам ИИ. [ 15 ] Хотя сам Ивахненко считал персептрон Розенблатта примером многослойной нейронной сети. [ 66 ]

Просмотры

[ редактировать ]

Шмидхубер является сторонником ИИ с открытым исходным кодом и считает, что они станут конкурентоспособными по сравнению с коммерческим ИИ с закрытым исходным кодом. [ 8 ] Он не верит, что ИИ представляет новую экзистенциальную угрозу и менее опасен, чем ядерное оружие. [ 59 ] [ 60 ]

С 1970-х годов Шмидхубер хотел создать «умные машины, которые могли бы обучаться и совершенствоваться самостоятельно и стать умнее его при жизни». [ 8 ] Он различает два типа ИИ: инструментальный ИИ, например, для улучшения здравоохранения, и автономный ИИ, который ставит свои собственные цели, проводит собственные исследования и исследует вселенную. Он работал над обоими типами на протяжении десятилетий. [ 8 ] Он ожидает, что следующим этапом эволюции станут самосовершенствующиеся ИИ, которые придут на смену человеческой цивилизации в качестве следующего этапа всеобщего роста в направлении постоянно возрастающей сложности, и он ожидает, что ИИ колонизирует видимую вселенную. [ 8 ]

Ссылки

[ редактировать ]
  1. ^ Jump up to: а б с д и ж г Шмидхубер, Юрген. "Резюме" .
  2. ^ Jump up to: а б с д и Джон Маркофф (27 ноября 2016 г.). Когда ИИ повзрослеет, он сможет называть Юргена Шмидхубера «папой» . Нью -Йорк Таймс . Доступ осуществлен в апреле 2017 г.
  3. ^ Юрген Шмидхубер . cemse.kaust.edu.sa . Архивировано . 13 марта 2023 года. Проверено 9 мая 2023 года
  4. ^ «Лидерство» .
  5. ^ «Юрген Шмидхубер» . ученый.google.com . Проверено 20 октября 2021 г.
  6. ^ Jump up to: а б Шмидхубер, Юрген (1991). «Возможность реализовать любопытство и скуку в нейронных контроллерах для построения моделей». Учеб. САБ'1991 . MIT Press/Брэдфорд Букс. стр. 222–227.
  7. ^ Jump up to: а б Шмидхубер, Юрген (2020). «Генераторно-состязательные сети являются особыми случаями искусственного любопытства (1990), а также тесно связаны с минимизацией предсказуемости (1991)». Нейронные сети . 127 : 58–66. arXiv : 1906.04493 . doi : 10.1016/j.neunet.2020.04.008 . ПМИД   32334341 . S2CID   216056336 .
  8. ^ Jump up to: а б с д и ж г час я Джонс, Хесси (23 мая 2023 г.). «Юрген Шмидхубер, известный «отец современного искусственного интеллекта», говорит, что работа всей его жизни не приведет к антиутопии» . Форбс . Проверено 26 мая 2023 г.
  9. ^ Jump up to: а б Шмидхубер, Юрген (1 ноября 1992 г.). «Научимся контролировать быстрые воспоминания: альтернатива повторяющимся сетям». Нейронные вычисления . 4 (1): 131–139. дои : 10.1162/neco.1992.4.1.131 . S2CID   16683347 .
  10. ^ Jump up to: а б с Шлаг, Иманол; Ириэ, Кадзуки; Шмидхубер, Юрген (2021). «Линейные трансформаторы — тайно быстрые программисты веса». ICML 2021 . Спрингер. стр. 9355–9366.
  11. ^ «Юрген Х. Шмидхубер» . Проект «Математическая генеалогия» . Проверено 5 июля 2022 г.
  12. ^ Jump up to: а б Дэйв О'Лири (3 октября 2016 г.). Настоящее и будущее искусственного интеллекта и глубокого обучения с участием профессора Юргена Шмидхубера . Мир ИТ Канады . Доступ осуществлен в апреле 2017 г.
  13. ^ «ИИ-пионер хочет построить машину будущего эпохи Возрождения» . Bloomberg.com . 16 января 2017 года . Проверено 23 февраля 2018 г.
  14. ^ Jump up to: а б с Шмидхубер, Юрген (1992). «Обучение сложных, расширенных последовательностей с использованием принципа сжатия истории (на основе ТР ФКИ-148, 1991 г.)» (PDF) . Нейронные вычисления . 4 (2): 234–242. дои : 10.1162/neco.1992.4.2.234 . S2CID   18271205 .
  15. ^ Jump up to: а б с Шмидхубер, Юрген (2022). «Аннотированная история современного искусственного интеллекта и глубокого обучения». arXiv : 2212.11279 [ cs.NE ].
  16. ^ Шмидхубер, Юрген (1993). Кандидатская диссертация (PDF) .
  17. ^ Шмидхубер, Юрген (2010). «Формальная теория творчества, веселья и внутренней мотивации (1990–2010)». Транзакции IEEE по автономному умственному развитию . 2 (3): 230–247. дои : 10.1109/TAMD.2010.2056368 . S2CID   234198 .
  18. ^ С. Хохрейтер., « Исследования динамических нейронных сетей. Архивировано 6 марта 2015 г. в Wayback Machine », Дипломная работа. Институт компьютерных наук Технического университета Мюнхен. Советник: Дж. Шмидхубер , 1991 г.
  19. ^ Зепп Хохрайтер; Юрген Шмидхубер (1997). «Долгая кратковременная память» . Нейронные вычисления . 9 (8): 1735–1780. дои : 10.1162/neco.1997.9.8.1735 . ПМИД   9377276 . S2CID   1915014 .
  20. ^ Феликс А. Герс; Юрген Шмидхубер; Фред Камминс (2000). «Учимся забывать: постоянное прогнозирование с помощью LSTM». Нейронные вычисления . 12 (10): 2451–2471. CiteSeerX   10.1.1.55.5709 . дои : 10.1162/089976600300015015 . ПМИД   11032042 . S2CID   11598600 .
  21. ^ Грейвс, А.; Шмидхубер, Дж. (2005). «Кадровая классификация фонем с помощью двунаправленного LSTM и других архитектур нейронных сетей». Нейронные сети . 18 (5–6): 602–610. CiteSeerX   10.1.1.331.5800 . дои : 10.1016/j.neunet.2005.06.042 . ПМИД   16112549 . S2CID   1856462 .
  22. ^ Клаус Грефф; Рупеш Кумар Шривастава; Ян Кутник; Бас Р. Стойнебринк; Юрген Шмидхубер (2015). «LSTM: Поисковая космическая одиссея». Транзакции IEEE в нейронных сетях и системах обучения . 28 (10): 2222–2232. arXiv : 1503.04069 . Бибкод : 2015arXiv150304069G . дои : 10.1109/TNNLS.2016.2582924 . ПМИД   27411231 . S2CID   3356463 ​​.
  23. ^ Грейвс, Алекс; Фернандес, Сантьяго; Гомес, Фаустино; Шмидхубер, Юрген (2006). «Временная классификация коннекционистов: маркировка данных несегментированных последовательностей с помощью рекуррентных нейронных сетей». В материалах Международной конференции по машинному обучению, ICML 2006 : 369–376. CiteSeerX   10.1.1.75.6306 .
  24. ^ Ву, Юнхуэй; Шустер, Майк; Чен, Чжифэн; Ле, Куок В.; Норузи, Мохаммед; Машери, Вольфганг; Крикун, Максим; Цао, Юань; Гао, Цинь; Машери, Клаус; Клингнер, Джефф; Шах, Апурва; Джонсон, Мелвин; Лю, Сяобин; Кайзер, Лукаш; Гаус, Стефан; Като, Ёсикиё; Кудо, Таку; Казава, Хидето; Стивенс, Кейт; Куриан, Джордж; Патил, Нишант; Ван, Вэй; Янг, Клифф; Смит, Джейсон; Риза, Джейсон; Рудник, Алекс; Виньялс, Ориол; Коррадо, Грег; Хьюз, Макдуф; Дин, Джефф (8 октября 2016 г.). «Система нейронного машинного перевода Google: преодоление разрыва между человеческим и машинным переводом». arXiv : 1609.08144 [ cs.CL ]. Проверено 14 мая 2017 г.
  25. ^ «Нейронные сети, лежащие в основе транскрипции Google Voice» . 11 августа 2015 г.
  26. ^ «Голосовой поиск Google: быстрее и точнее» . 24 сентября 2015 г.
  27. ^ Леви, Стивен (24 августа 2016 г.). «iBrain здесь — и он уже внутри вашего телефона» . Проводной . Архивировано из оригинала 23 июня 2017 года . Проверено 23 июня 2017 г.
  28. ^ Симонян, Карен; Зиссерман, Эндрю (10 апреля 2015 г.), Очень глубокие сверточные сети для крупномасштабного распознавания изображений , arXiv : 1409.1556
  29. ^ Он, Кайминг; Чжан, Сянъюй; Рен, Шаоцин; Сунь, Цзянь (2016). «Углубление выпрямителей: превосходство производительности человеческого уровня в классификации ImageNet». arXiv : 1502.01852 [ cs.CV ].
  30. ^ , Шаоцин; Сунь, Цзянь (10 декабря 2015 г. . Сянюй ; Рен Хэ, Кайминг; Чжан , )
  31. ^ Шривастава, Рупеш Кумар; Грефф, Клаус; Шмидхубер, Юрген (2 мая 2015 г.). «Дорожные сети». arXiv : 1505.00387 [ cs.LG ].
  32. ^ Шривастава, Рупеш К; Грефф, Клаус; Шмидхубер, Юрген (2015). «Обучение очень глубоких сетей» . Достижения в области нейронных систем обработки информации . 28 . Curran Associates, Inc.: 2377–2385.
  33. ^ Он, Кайминг; Чжан, Сянъюй; Рен, Шаоцин; Сунь, Цзянь (2016). Глубокое остаточное обучение для распознавания изображений . Конференция IEEE 2016 по компьютерному зрению и распознаванию образов (CVPR) . Лас-Вегас, Невада, США: IEEE. стр. 770–778. arXiv : 1512.03385 . дои : 10.1109/CVPR.2016.90 . ISBN  978-1-4673-8851-1 .
  34. ^ Шмидхубер, Юрген (1993). «Уменьшение соотношения между сложностью обучения и количеством изменяющихся во времени переменных в полностью рекуррентных сетях». ИКАНН, 1993 год . Спрингер. стр. 460–463.
  35. ^ Шмидхубер, Юрген (2022). «Глубокое обучение: наш чудесный 1990-1991 год» . idsia.ch . Проверено 23 июля 2024 г.
  36. ^ Кумар Челлапилья; Сид Пури; Патрис Симар (2006). «Высокопроизводительные сверточные нейронные сети для обработки документов» . В Лоретте, Гай (ред.). Десятый международный семинар «Границы в распознавании рукописного текста» . Сувисофт.
  37. ^ Чиресан, Дэн; Ули Мейер; Джонатан Маски; Лука М. Гамбарделла; Юрген Шмидхубер (2011). «Гибкие, высокопроизводительные сверточные нейронные сети для классификации изображений» (PDF) . Материалы двадцать второй международной совместной конференции по искусственному интеллекту, том второй . 2 : 1237–1242 . Проверено 17 ноября 2013 г.
  38. ^ «Таблица результатов конкурса IJCNN 2011» . ОФИЦИАЛЬНЫЙ КОНКУРС IJCNN2011 . 2010 . Проверено 14 января 2019 г.
  39. ^ Шмидхубер, Юрген (17 марта 2017 г.). «История конкурсов компьютерного зрения, выигранных глубокими CNN на GPU» . Проверено 14 января 2019 г.
  40. ^ Jump up to: а б с Шмидхубер, Юрген (2015). «Глубокое обучение» . Схоларпедия . 10 (11): 1527–54. CiteSeerX   10.1.1.76.1541 . дои : 10.1162/neco.2006.18.7.1527 . ПМИД   16764513 . S2CID   2309950 .
  41. ^ Чиресан, Дэн; Мейер, Ули; Шмидхубер, Юрген (июнь 2012 г.). «Многостолбцовые глубокие нейронные сети для классификации изображений». Конференция IEEE 2012 по компьютерному зрению и распознаванию образов . Нью-Йорк, штат Нью-Йорк: Институт инженеров по электротехнике и электронике (IEEE). стр. 3642–3649. arXiv : 1202.2745 . CiteSeerX   10.1.1.300.3283 . дои : 10.1109/CVPR.2012.6248110 . ISBN  978-1-4673-1226-4 . OCLC   812295155 . S2CID   2161592 .
  42. ^ Ю. ЛеКун, Б. Бозер, Дж. С. Денкер, Д. Хендерсон, Р. Э. Ховард, В. Хаббард, Л. Д. Джекель, Обратное распространение ошибки, применяемое к распознаванию рукописного почтового индекса ; AT&T Bell Laboratories
  43. ^ Фукусима, Неокогнитрон (1980). «Модель самоорганизующейся нейронной сети для механизма распознавания образов, на который не влияет сдвиг положения». Биологическая кибернетика . 36 (4): 193–202. дои : 10.1007/bf00344251 . ПМИД   7370364 . S2CID   206775608 .
  44. ^ Венг, Дж; Ахуджа, Н; Хуанг, Т.С. (1993). «Обучение распознаванию и сегментации трехмерных объектов из двухмерных изображений». Учеб. 4-я Международная конференция. Компьютерное зрение : 121–128.
  45. ^ Jump up to: а б с Вэнс, Эшли (15 мая 2018 г.). «Этот человек — крестный отец, которого сообщество искусственного интеллекта хочет забыть» . Деловая неделя Блумберга . Проверено 16 января 2019 г.
  46. ^ Jump up to: а б Ольтерманн, Филип (18 апреля 2017 г.). «Юрген Шмидхубер о будущем роботов: «Они будут уделять нам столько же внимания, сколько мы муравьям» » . Хранитель . Проверено 23 февраля 2018 г.
  47. ^ Шмидхубер, Юрген (7 июля 2022 г.). «Доклад Лекуна об автономном машинном интеллекте 2022 года перефразирует, но не цитирует важные работы 1990-2015 годов» . ИДСИА, Швейцария. Архивировано из оригинала 9 февраля 2023 года . Проверено 3 мая 2023 г.
  48. ^ Шмидхубер, Юрген (14 декабря 2023 г.). «Как трое лауреатов премии Тьюринга переиздали ключевые методы и идеи, создателей которых они не упомянули. Технический отчет IDSIA-23-23» . ИДСИА, Швейцария. Архивировано из оригинала 16 декабря 2023 года . Проверено 19 декабря 2023 г.
  49. ^ Шмидхубер, Юрген (30 декабря 2022 г.). «Научная честность и история глубокого обучения: лекция Тьюринга 2021 года и премия Тьюринга 2018 года. Технический отчет IDSIA-77-21» . ИДСИА, Швейцария. Архивировано из оригинала 7 апреля 2023 года . Проверено 3 мая 2023 г.
  50. ^ Фултерер, Рут (20 февраля 2021 г.). «Юрген Шмидхубер: отец искусственного интеллекта в Тичино» . Neue Zürcher Zeitung (на швейцарском верхненемецком языке). ISSN   0376-6829 . Проверено 19 декабря 2023 г.
  51. ^ Лауреаты премии INNS Awards . Международное общество нейронных сетей. Доступ в декабре 2016 г.
  52. ^ Получатели: Премия пионера нейронных сетей. Архивировано 29 августа 2021 года в Wayback Machine . Пискатауэй, Нью-Джерси: Общество вычислительной разведки IEEE. По состоянию на январь 2019 г.]
  53. ^ Участники . Европейская академия наук и искусств. Доступ в декабре 2016 г.
  54. ^ Небеса, Уилл Дуглас (15 октября 2020 г.). «Общий искусственный интеллект: мы близки, и есть ли смысл вообще пытаться? Цитата: Юрген Шмидхубер — иногда называемый «отцом современного искусственного интеллекта…» MIT Technology Review . Проверено 20 августа 2021 г.
  55. ^ Чхул Ун, Ён (22 февраля 2023 г.). «Пользовательско-ориентированный искусственный интеллект создает новый порядок для пользователей» . Корея IT Times . Проверено 26 мая 2023 г.
  56. ^ Jump up to: а б Дункер, Андерс (2020). «Выпустить демона искусственного интеллекта. Цитата: Но этот человек не сумасшедший: он отец современного искусственного интеллекта и глубокого обучения – прежде всего в своей области» . Обзор современных времен . Проверено 20 августа 2021 г.
  57. ↑ Энрике Альпанес (25 апреля 2021 г.). Юрген Шмидхубер, человек, которого Алекса и Сири называли «папой», если бы он захотел с ними поговорить . Страна . По состоянию на август 2021 г.
  58. ^ Разави, Хуман (5 мая 2020 г.). «iHuman - AI & Ethics of Cinema (Кинофестиваль Hot Docs 2020). Цитата: В документальных интервью представлены ведущие исследователи и мыслители искусственного интеллекта, такие как Юрген Шмидхубер - отец современного искусственного интеллекта...» Universal Cinema . Проверено 20 августа 2021 г.
  59. ^ Jump up to: а б Колтон, Эмма (7 мая 2023 г.). « Отец ИИ» говорит, что опасения, связанные с технологиями, неуместны: «Вы не можете остановить это» » . Фокс Ньюс . Проверено 26 мая 2023 г.
  60. ^ Jump up to: а б Тейлор, Джош (7 мая 2023 г.). «Рост искусственного интеллекта неизбежен, но его не следует бояться», — говорит «отец ИИ» . Хранитель . Проверено 26 мая 2023 г.
  61. ^ Вонг, Эндрю (16 мая 2018 г.). «Отец ИИ» призывает людей не бояться технологий» . CNBC . Проверено 27 февраля 2019 г.
  62. ↑ Рут Фултерер (21 февраля 2021 г.). Неудобный отец ИИ живет в Швейцарии . НЗЗ . По состоянию на август 2021 г.
  63. ^ [ 8 ] [ 2 ] [ 54 ] [ 55 ] [ 56 ] [ 57 ] [ 58 ] [ 59 ] [ 60 ] [ 61 ] [ 62 ] [ 45 ]
  64. ^ Ван, Брайан (14 июня 2017 г.). «Отец глубокого обучения ИИ в области ИИ общего назначения и ИИ для покорения космоса в 2050-х годах» . Следующее большое будущее . Проверено 27 февраля 2019 г.
  65. ^ Шмидхубер, Юрген. «Критика статьи со стороны «Заговора глубокого обучения». (Nature 521, стр. 436)» . Проверено 26 декабря 2019 г.
  66. ^ Ивахненко А.Г. (март 1970 г.). «Эвристическая самоорганизация в задачах инженерной кибернетики» . Автоматика . 6 (2): 207–219. дои : 10.1016/0005-1098(70)90092-0 .
Retrieved from "https://en.wikipedia.org/w/index.php?title=Jürgen_Schmidhuber&oldid=1239744964"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: ab265628718d3cfb7f375e80b301ae1c__1723352160
URL1:https://arc.ask3.ru/arc/aa/ab/1c/ab265628718d3cfb7f375e80b301ae1c.html
Заголовок, (Title) документа по адресу, URL1:
Jürgen Schmidhuber - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)