Στους «πατέρες» της επανάστασης του deep learning το «Νόμπελ των Υπολογιστών», Turing Award

[parafrwn]

Στους Γιόσουα Μπέντζιο, Τζέφρι Χίντον και Γιαν ΛεΚουν απένειμε η Association for Computing Machinery το «Νόμπελ των Υπολογιστών»- το Α.Μ Turing Award για το 2018.

Σύμφωνα με την ACM, οι τρεις επιστήμονες έλαβαν το βραβείο για τα επιτεύγματά τους, που κατέστησαν τα deep neural networks σημαντικό κομμάτι του τομέα των ηλεκτρονικών υπολογιστών. Ο Μπέντζιο είναι καθηγητής στο University of Montreal και επιστημονικός διευθυντής στο Mila, το ινστιτούτο τεχνητής νοημοσύνης του Κεμπέκ, ο Χίντον είναι αντιπρόεδρος και Engineering Fellow της Google, Chief Scientific Adviser του The Vector Institute, και επίτιμος καθηγητής στο University of Toronto και ο Γιαν ΛεΚαν καθηγητής στο New York University και αντιπρόεδρος και Chief AI Scientist στο Facebook.

Εργαζόμενοι ανεξαρτήτως και μαζί, οι τρεις ερευνητές, σύμφωνα με την ACM, ανέπτυξαν θεμελιώσεις βάσεις για τον τομέα, διαπίστωσαν φαινόμενα μεγάλου ενδιαφέροντος μέσω πειραμάτων και γενικότερα επέδειξαν τα πρακτικά πλεονεκτήματα των deep neural δικτύων. Σημειώνεται πως, τα τελευταία χρόνια, οι μέθοδοι deep learning έχουν επιφέρει σημαντικές προόδους στο computer vision, την αναγνώριση φωνής, την επεξεργασία φυσικής γλώσσας και τη ρομποτική, μεταξύ άλλων.

Το Α.Μ Turing Award, που συχνά χαρακτηρίζεται ως «Νόμπελ των Υπολογιστών», συνοδεύεται από έπαθλο ύψους ενός εκατομμυρίων δολαρίων, με την οικονομική υποστήριξη της Google. Έχει πάρει το όνομά του από τον Α.Μ. Τούρινγκ, τον Βρετανό μαθηματικό που θεωρείται ο «πατέρας» της επιστήμης υπολογιστών.

Το deep learning έχει να κάνει με τη δημιουργία προγραμμάτων υπολογιστών που μιμούνται τη δομή των εγκεφάλων ζωντανών οργανισμών, με πολλά στρώματα τεχνητών νευρώνων που επεξεργάζονται δεδομένα. Όταν τέτοιου είδους δίκτυα επεξεργάζονται δεδομένα, οι νευρώνες τους αντιδρούν διαφορετικά στο κάθε στρώμα. Τα αποτελέσματα αυτής της επεξεργασίας περνούν στο επόμενο στρώμα, μέχρι το δίκτυο να καταλήξει σε τελική απόφαση/ κρίση. Ένα τέτοιο σύστημα μπορεί να μάθει, πχ, να αναγνωρίζει πρόσωπα σε διαφορετικές φωτογραφίες ή να αντιλαμβάνεται και επεξεργάζεται την ανθρώπινη ομιλία.

https://www.naftemporiki.gr/story/14584 ... ring-award
https://www.acm.org/media-center/2019/m ... award-2018

[enterprise-psi]

Κάτι τέτοιο χάζευα εχθές

[foscilis]

εντάξει κάπου εδώ το hypoμετρο χτυπάει κόκκινο, είναι όλα τεχνολογίες του '60-'90 που απλά έγινε εφικτό να αυξηθεί η πολυπλοκότητά τους λόγω καλύτερου hardware και κυρίως έγιναν rebranded από "neural networks" σε "deep learning" που είναι πιο post modern.

[foscilis]

και πρέπει να πω πως ό,τι και να κάνουν αυτοί οι φλώροι δεν πρόκειται ποτέ να βγάλουν πιο cool όνομα από το Multilayer Perceptron.

[parafrwn]

και πρέπει να πω πως ό,τι και να κάνουν αυτοί οι φλώροι δεν πρόκειται ποτέ να βγάλουν πιο cool όνομα από το Multilayer Perceptron.

Boltzmann machine. Cool enough for you?

[foscilis]

όχι βέβαια, ακούγεται σαν τεράστιο καζάνι που βράζεις κλανοφάσουλα για ατελείωτες ώρες μέχρι να γίνουν πηχτή κλανολάσπη.

[parafrwn]

όχι βέβαια, ακούγεται σαν τεράστιο καζάνι που βράζεις κλανοφάσουλα για ατελείωτες ώρες μέχρι να γίνουν πηχτή κλανολάσπη.

[klg]

εντάξει κάπου εδώ το hypoμετρο χτυπάει κόκκινο, είναι όλα τεχνολογίες του '60-'90 που απλά έγινε εφικτό να αυξηθεί η πολυπλοκότητά τους λόγω καλύτερου hardware και κυρίως έγιναν rebranded από "neural networks" σε "deep learning" που είναι πιο post modern.

Ισχύει, αλγόριθμοι ML υπάρχουν κυριολεκτικά από του αγίου πούτσου, απλά θυμήθηκαν όλοι οι ηλίθιοι που γράφουν python και node ότι είναι πιο κουλ μάρκετινγ το "κάνω AI" από το υλοποιώ relatively easy αλγόριθμους γραμμικής άλγεβρας. Και μετά, να μην κάνουμε accelerate του business του σουβλατζίδικου με machine learning enabled analytics; Να μην πάρουμε μετά και μια TPU για να κάνουμε τα gay νευρωνικά μας δίκτυα πιο γρήγορα;
Να μην σου πουλήσει και η cisco του ASA με το new machine learning cloud whatever engine; (Που είμαι σχεδόν σίγουρος ότι δεν έχουν κάνει καν ML πίπες αλλά marketing reasons).

[ΣΑΤΑΝΙΚΟΣ ΕΓΚΕΦΑΛΟΣ]

Εσείς εδώ μέσα ξέρετε ότι ο εφευρέτης της πάιθον είναι ολλανδός;

[Nito]

Αντί να χτίσουν καμιά εκκλησία του Αγιοσπυρίδωνα στην Γαλλία μπας και σπάσει η αθειστική μονοτονία του Διαφωτισμού, κάθονται και σπαταλάν πόρους σε διαβολομηχανήματα! Άντε με το καλό να εφεύρουν και το καινούριο post-postmodern ατάρι.

Αυτή είναι η ΕΕ.

[Yochanan]

Εσείς εδώ μέσα ξέρετε ότι ο εφευρέτης της πάιθον είναι ολλανδός;

αποκλείεται, οι ολλανδοί ειναι ψεκαζμένοι στόκοι, ελληνας θα ειναι

[sys3x]

Εσείς εδώ μέσα ξέρετε ότι ο εφευρέτης της πάιθον είναι ολλανδός;

Ναι, γαμάει η πάηθον.

Αυτό θα ενδιαφέρει τον enaon τον foscilis και το Χουργιατς θαρρώ:

[Dwarven Blacksmith]

Εσείς εδώ μέσα ξέρετε ότι ο εφευρέτης της πάιθον είναι ολλανδός;

αποκλείεται, οι ολλανδοί ειναι ψεκαζμένοι στόκοι, ελληνας θα ειναι

Άμα ήταν Έλληνας θα υπάρχει σχετικό ΕΣΠΑ, να ψάξουμε το αρχείο.

[Yochanan]

Εσείς εδώ μέσα ξέρετε ότι ο εφευρέτης της πάιθον είναι ολλανδός;

Ναι, γαμάει η πάηθον.

Αυτό θα ενδιαφέρει τον enaon τον foscilis και το Χουργιατς θαρρώ:

bitter indeed

[Yochanan]

http://www.incompleteideas.net/IncIdeas ... esson.html

The second general point to be learned from the bitter lesson is that the actual contents of minds are tremendously, irredeemably complex; we should stop trying to find simple ways to think about the contents of minds, such as simple ways to think about space, objects, multiple agents, or symmetries. All these are part of the arbitrary, intrinsically-complex, outside world. They are not what should be built in, as their complexity is endless; instead we should build in only the meta-methods that can find and capture this arbitrary complexity. Essential to these methods is that they can find good approximations, but the search for them should be by our methods, not by us. We want AI agents that can discover like we can, not which contain what we have discovered. Building in our discoveries only makes it harder to see how the discovering process can be done.

we iz fooked