Юрген Шмидхубер, родившийся в 1963 году в Мюнхене, является ключевой фигурой в развитии искусственного интеллекта и нейронных сетей. Его исследовательская карьера, охватывающая десятилетия академической и институциональной деятельности, сосредоточена на архитектурах глубокого обучения, которые лежат в основе многих современных вычислительных задач. Его вклад объединяет ранние теоретические разработки в области рекурсивных структур и самообучения с широким современным применением.
Академическая база и руководство исследованиями
Шмидхубер получил степень бакалавра и доктора наук в Мюнхенском техническом университете в 1991 году под руководством Вильфрида Брауэра и Клауса Шультена. Его карьера включает преподавательскую деятельность в Мюнхенском техническом университете и Университете итальянской Швейцарии. С 1995 года он возглавляет Институт исследований искусственного интеллекта Dalle Molle в Швейцарии. В 2021 году он присоединился к Университету науки и технологий имени короля Абдаллы в Саудовской Аравии, где руководит инициативой по ИИ в отделе компьютерных, электрических и математических наук и инженерии.
Рекуррентные архитектуры и долгая краткосрочная память
В 1990-х годах Шмидхубер занялся ограничениями обратного распространения ошибки в глубоком обучении. После дипломной работы его студента Зеппа Хохрайтера 1991 года, в которой анализировалась проблема исчезающего градиента, Шмидхубер способствовал развитию долгой краткосрочной памяти (LSTM). Представленная в техническом отчете 1995 года и опубликованная в 1997 году, LSTM стала доминирующей техникой для обработки естественного языка. Последующие усовершенствования включали стандартную архитектуру в 2000 году с Феликсом Герсом и Фредом Камминсом, а также коннекционистскую временную классификацию с Алексом Грейвсом в 2006 году.
Инновации в нейронных сетях
Помимо LSTM, Шмидхубер исследовал разнообразные концепции нейронных сетей. В 1991 году он представил состязательные нейронные сети, названные «искусственным любопытством», где конкурирующие сети взаимодействуют через игру с нулевой суммой. Эта структура лежит в основе современных генеративно-состязательных сетей (GAN). В 1992 году он опубликовал «программист быстрых весов», предшественник ненормализованного линейного трансформера. Кроме того, в 2011 году его команда в IDSIA продемонстрировала значительное повышение скорости сверточных нейронных сетей с использованием графических процессоров, достигнув сверхчеловеческой производительности в конкурсах по компьютерному зрению.
Двадцать вопросов, восемь минут на часах и процентиль, измеренный по всем, кто его проходил. Без регистрации.
Пройти тест IQ →Коммерческие предприятия и профессиональное признание
В 2014 году Шмидхубер основал NNAISENSE для изучения коммерческих приложений ИИ в таких секторах, как финансы и тяжелая промышленность. Хотя изначально компания была сосредоточена на общем искусственном интеллекте, позже она сместила акцент на управление активами. Его вклад в эту область получил официальное признание, включая премию IEEE Neural Networks Pioneer Award в 2016 году. Он является членом Европейской академии наук и искусств и Европейской лаборатории обучения и интеллектуальных систем.
Краткие факты
- Родился: 1963, Мюнхен, Германия - Образование: Мюнхенский технический университет (докторская степень 1991) - Ключевая разработка: Долгая краткосрочная память (LSTM) - Отраслевой фокус: Приложения ИИ через NNAISENSE - Текущая должность: Директор, инициатива ИИ в KAUST - Значимая награда: Премия IEEE Neural Networks Pioneer (2016)
Вопросы читателей
### В чем значимость «программиста быстрых весов»?
Опубликованный Шмидхубером в 1992 году, «программист быстрых весов» является альтернативой рекуррентным нейронным сетям, которая позже была идентифицирована как эквивалент современного ненормализованного линейного трансформера.
### Каков основной фокус компании NNAISENSE?
Основанная в 2014 году, NNAISENSE изначально была нацелена на коммерческие приложения ИИ в таких областях, как финансы и беспилотные автомобили, позже сместив фокус на управление активами.
.jpg)