In de jaren 80 en 9 geloofde niemand het. Maar hier is het: vandaag is de zogenaamde methode van "diep leren" en "convolutionele netwerken", in kunstmatige intelligentie, de meest prominente, beschouwd als de meest succesvolle en is aangenomen door de grootste spelers in het veld, bijna ten onrechte geneigd om synoniem te worden met AI. De Franse onderzoeker Yann LeCun, een van de belangrijkste ambachtslieden en promotors van deze technieken, publiceert op 16 oktober 2019 een boek over het onderwerp When the machine leert (Odile Jacob). Een werk dat de neiging van binnenkomst snel in het hart van het onderwerp neemt en vergelijkingen bevat, "zonder toevlucht te nemen tot metafoor". De tekst combineert echter een theoretische uiteenzetting en een persoonlijk verhaal, Yann LeCun vertelt over de pagina's van zijn wetenschappelijke vooruitgang en zijn onderzoek naar neurale netwerken. Vroeger, zoals vaak bij wetenschappers in het veld (zoals onlangs Luc Julia), de wens om niet meer in extravagante visies te vervallen die gevoed worden door sciencefiction dan de feitelijke stand van onderzoek.

Het boek komt zes en een halve maand nadat Yann LeCun, de Brits-Canadese Geoffrey Hinton en de Canadese Yoshua Bengio op 27 maart de Turing Award ontvingen, uiteraard voor hun werk aan diep leren. Een onmiskenbare toewijding.

Deze prijs is beloond met een miljoen dollar en werkt in de informatica als van groot belang voor de discipline. Maar diep leren, een generieke term voor de convolutionele neurale netwerkmethode, die lang heeft geduurd om door te breken en lang als een niche wordt beschouwd zonder veel toekomst, is nu een van de meest populaire AI-benaderingen. in zwang. Het heeft spectaculaire vooruitgang geboekt sinds de jaren 2010, vooral in beeldherkenning en spraak, gebruikt in stemassistenten en in het bijzonder in autonome voertuigen. De reden? Het gebruik van krachtige grafische processors voor het uitvoeren van berekeningen, GPU's en vooral de beschikbaarheid van een grote hoeveelheid gegevens via internet, die de algoritmen met veel voorbeelden kunnen aansturen.

Een carrière in de Verenigde Staten

Als hij zijn afstudeerstudie in Frankrijk aan Esiee deed, was Yann LeCun een geassocieerd onderzoeker bij Geoffrey Hinton aan de Universiteit van Toronto in 1987 en bracht hij zijn hele carrière door in de Verenigde Staten (lees zijn portret, gepubliceerd in 2015). Eerst in particuliere onderzoekslaboratoria, daarna als docent aan de Universiteit van New York, voordat hij eind 2013 werd benoemd tot hoofd van het kunstmatige onderzoekslaboratorium voor kunstmatige intelligentie van Facebook (FAIR), dat drie locaties in de wereld heeft. wereld waaronder een in Parijs, geregisseerd door Antoine Bordes.

In 1995 creëerde Yann LeCun met zijn leerling-onderzoeker vriend Léon Bottou, die in 2015 bij FAIR kwam, een netwerk van neuronen die handschrift konden herkennen. Dit is een van de eerste concrete resultaten met diep leren. Het systeem wordt nog steeds gebruikt om cheques in de Verenigde Staten te lezen. Maar op dat moment trekt het geen enthousiasme van wetenschappers. AI is een gebied van onderzoek afgeschreven geworden, omdat het niet veel van zijn beloften heeft waargemaakt.

Jarenlang houdt Yann LeCun de vlam in stand door seminars en andere symposia op te zetten als onderdeel van wat hij lachend "de samenzwering van diep leren" noemt. Hij omringt zichzelf met collega-onderzoekers die er nog steeds in geloven: zijn twee Turing Prize-winnaars Geoffrey Hinton (nu bezig met Google's AI, Google Brain) en Yoshua Bengio, die de convolutionele netwerken toepast op erkenning. speech, maar ook Léon Bottou of Patrick Haffner.

Doorzettingsvermogen zal hebben betaald. Onze enige grote digitale bedrijven zijn begonnen met diepgaand leren (Facebook, Google, Nvidia, Baidu, Microsoft) maar het baanbrekende werk op dit gebied heeft zojuist de meest prestigieuze inwijding ontvangen.

In de jaren 80 en 9 geloofde niemand het. Maar hier is het: vandaag is de zogenaamde methode van "diep leren" en "convolutionele netwerken", in kunstmatige intelligentie, de meest prominente, beschouwd als de meest succesvolle en is aangenomen door de grootste spelers in het veld, bijna ten onrechte geneigd om synoniem te worden met AI. De Franse onderzoeker Yann LeCun, een van de belangrijkste ambachtslieden en promotors van deze technieken, publiceert op 16 oktober 2019 een boek over het onderwerp When the machine leert (Odile Jacob). Een werk dat de neiging van binnenkomst snel in het hart van het onderwerp neemt en vergelijkingen bevat, "zonder toevlucht te nemen tot metafoor". De tekst combineert echter een theoretische uiteenzetting en een persoonlijk verhaal, Yann LeCun vertelt over de pagina's van zijn wetenschappelijke vooruitgang en zijn onderzoek naar neurale netwerken. Vroeger, zoals vaak bij wetenschappers in het veld (zoals onlangs Luc Julia), de wens om niet meer in extravagante visies te vervallen die gevoed worden door sciencefiction dan de feitelijke stand van onderzoek.

Het boek komt zes en een halve maand nadat Yann LeCun, de Brits-Canadese Geoffrey Hinton en de Canadese Yoshua Bengio op 27 maart de Turing Award ontvingen, uiteraard voor hun werk aan diep leren. Een onmiskenbare toewijding.

Deze prijs is beloond met een miljoen dollar en werkt in de informatica als van groot belang voor de discipline. Maar diep leren, een generieke term voor de convolutionele neurale netwerkmethode, die lang heeft geduurd om door te breken en lang als een niche wordt beschouwd zonder veel toekomst, is nu een van de meest populaire AI-benaderingen. in zwang. Het heeft spectaculaire vooruitgang geboekt sinds de jaren 2010, vooral in beeldherkenning en spraak, gebruikt in stemassistenten en in het bijzonder in autonome voertuigen. De reden? Het gebruik van krachtige grafische processors voor het uitvoeren van berekeningen, GPU's en vooral de beschikbaarheid van een grote hoeveelheid gegevens via internet, die de algoritmen met veel voorbeelden kunnen aansturen.

Aanbevolen Editor'S Choice