Jürgen Schmidhuber

Jürgen Schmidhuber, nato nel 1963 a Monaco di Baviera, è una figura centrale nell'evoluzione dell'intelligenza artificiale e delle reti neurali. La sua carriera di ricerca, che abbraccia decenni di incarichi accademici e istituzionali, si concentra sulle architetture di deep learning che sono alla base di molti compiti computazionali contemporanei. I suoi contributi uniscono i primi sviluppi teorici nelle strutture ricorsive e nell'apprendimento auto-supervisionato con applicazioni moderne diffuse.

Fondamenta accademiche e leadership nella ricerca

Schmidhuber ha completato i suoi studi di laurea e dottorato presso l'Università Tecnica di Monaco nel 1991, sotto la supervisione di Wilfried Brauer e Klaus Schulten. La sua carriera include ruoli di insegnamento presso l'Università Tecnica di Monaco e l'Università della Svizzera italiana. Dal 1995 dirige l'Istituto Dalle Molle di ricerca sull'intelligenza artificiale in Svizzera. Nel 2021 è entrato a far parte della King Abdullah University of Science and Technology in Arabia Saudita, dove dirige l'iniziativa IA all'interno della divisione di scienze e ingegneria informatica, elettrica e matematica.

Architetture ricorrenti e memoria a lungo termine

Negli anni '90, Schmidhuber ha affrontato i limiti della backpropagation nel deep learning. In seguito alla tesi di diploma del 1991 del suo studente Sepp Hochreiter, che analizzava il problema del gradiente evanescente, Schmidhuber ha facilitato lo sviluppo della memoria a lungo termine (LSTM). Introdotta in un rapporto tecnico nel 1995 e pubblicata nel 1997, la LSTM è diventata una tecnica dominante per l'elaborazione del linguaggio naturale. I successivi perfezionamenti hanno incluso l'architettura standard nel 2000 con Felix Gers e Fred Cummins, e la classificazione temporale connessionista con Alex Graves nel 2006.

Innovazioni nelle reti neurali

Oltre alla LSTM, Schmidhuber ha esplorato diversi concetti di reti neurali. Nel 1991, ha introdotto le reti neurali avversarie, denominate curiosità artificiale, in cui reti in competizione interagiscono attraverso un gioco a somma zero. Questo quadro informa le moderne reti generative avversarie. Nel 1992, ha pubblicato il programmatore di pesi rapidi, un precursore del trasformatore lineare non normalizzato. Inoltre, nel 2011, il suo team all'IDSIA ha dimostrato significativi miglioramenti di velocità per le reti neurali convoluzionali utilizzando unità di elaborazione grafica, ottenendo prestazioni sovrumane nei concorsi di visione artificiale.

Imprese commerciali e riconoscimento professionale

Nel 2014, Schmidhuber ha fondato NNAISENSE per esplorare applicazioni commerciali dell'IA in settori come la finanza e l'industria pesante. Sebbene inizialmente focalizzata sull'intelligenza artificiale generale, l'azienda ha successivamente spostato la sua enfasi verso la gestione patrimoniale. I suoi contributi al campo hanno ricevuto un riconoscimento formale, incluso l'IEEE Neural Networks Pioneer Award del 2016. È membro dell'Accademia europea delle scienze e delle arti e del Laboratorio europeo per l'apprendimento e i sistemi intelligenti.

Fatti rapidi

- Nato: 1963, Monaco di Baviera, Germania - Istruzione: Università Tecnica di Monaco (Dottorato 1991) - Sviluppo chiave: Memoria a lungo termine (LSTM) - Focus industriale: Applicazioni IA tramite NNAISENSE - Posizione attuale: Direttore, Iniziativa IA alla KAUST - Premio notevole: IEEE Neural Networks Pioneer Award (2016)

Domande frequenti dei lettori

### Qual è il significato del programmatore di pesi rapidi?

Pubblicato da Schmidhuber nel 1992, il programmatore di pesi rapidi è un'alternativa alle reti neurali ricorrenti che è stata successivamente identificata come equivalente al moderno trasformatore lineare non normalizzato.

### Qual è l'obiettivo principale dell'azienda NNAISENSE?

Fondata nel 2014, NNAISENSE mirava inizialmente ad applicazioni commerciali dell'IA in campi come la finanza e le auto a guida autonoma, spostando successivamente il suo focus verso la gestione patrimoniale.