这几位大神,撑起了人工智能界的“半边天”
人物

这几位大神,撑起了人工智能界的“半边天”

“AI 圈”不得不知的几位巨星

2017-05-10 7:55:10


随着认知神经、深度学习等等领域的持续发展,诞生半个多世纪以来的人工智能已经逐步走出实验室,与世人见面。

图像识别、声纹识别、表情分析、断症下药,甚至是琴棋书画……虽然目前人工智能技术还不具备执行复杂、多项任务的能力,但是它们已经广泛涉足各个领域,并渐渐成为科技巨头们的核心竞争力之一。

而现在一说起 AI,我们脑海里浮现的可能是,谷歌的 AlphaGo、IBM 的深蓝、百度的智能机器人小度、苹果的 Siri 等等。 但是这些人工智能系统背后的创造者是谁,他们目前正在忙什么,你又知道多少?

吴恩达(Andrew Ng)

微信图片_20170509222138

如果你平时关注科技圈动态的话,相信对这个名字定不陌生。这位在百度工作将近三年并于上月离职的科学家,是世界上第一个赋予机器“识别猫”这项技能的人,并被美誉为人工智能和机器学习领域最权威的学者之一。

自 2014 年加入百度以来,吴恩达一手建立和领导了超过 1300 人的人工智能团队,且在三年内帮助百度在语音识别和人脸识别领域占据一席之地——百度的 DeepSpeech 2 和人脸支付技术,分别入选 2015 和 2016 年《MIT 科技评论》年度十大突破技术榜单,而小度则在人机声纹识别对战中,打败了“全能脑力王”王峰。此外,我们熟知的谷歌深度学习研究团队 Google Brain 以及在线学习教育平台 Coursera 亦是出自吴恩达的手笔。

而这次离开百度后,吴恩达在微博和微信公众号中透露,他将回到美国继续专研自己喜欢且擅长的新领域孵化和探索,并继续为中国的 AI 事业做贡献。

杰弗里•辛顿(Geoffrey Hinton)

微信图片_20170509222059

这位被尊称为“神经网络之父”的科学家在人工智能界的学术贡献难以用寥寥数语来概括。

简单点来说,Hinton 曾经颠覆 AI 行业,让其在低潮期实现“绝地反弹”。上世纪 80 年代,他和哈佛大学神经生物学博士 Terry Sejnowski 运用一款儿童读物朗读系统 Nettalk 证明了“人工智能之父”马文•明斯基的预言——“感知机(早前的人工神经网络)无法被推广到多层网络”是完全不错误的,从而让当时一度低迷的人工智能再次迎来新的发展。此外,作为深度学习的积极推动者,Hinton 还将深度学习从边缘课题逐渐发展为谷歌等互联网巨头们实现“AI 大计”的核心技术。

“大神”目前在 Google Brain 中担任要职——自 2013 年谷歌收购 Hinton 的公司 DNNResearch 后,他便随即加入谷歌。在他的帮助下,谷歌的图像识别和安卓系统音频识别的性能得到大幅度提升。而近日,Hinton 又带领 Google Brian 推出新作:可提高 AI 系统分类能力的个体标签建模。据悉,借助这种创新方法,可提升计算机辅助诊断糖尿病导致的视网膜病变的准确度。

不过,最近 Hinton 已经将工作重心从谷歌转移回加拿大,出任多伦多大学最新成立的人工智能研究独立机构——向量学院的首席科学家顾问。

约书亚•本吉奥(Yoshua Bengio)

微信图片_20170509222146

和 Facebook 的 Yann LeCun 和谷歌的 Geoffrey Hinton 俩师徒一样,Yoshua Bengio 被学界誉为人工智能领域的奠基人。不过,与大多数已投身业界、加盟各大科技巨头的科学家不同,这位加拿大统计学习算法领域的首席科学家,目前仍全身心地“扑”在深度学习,尤其是通用型 AI 解决方案之一“无监督学习”的学术研究中。

前不久,Bengio 与 IBM 研究所共同研发的新模型——多尺度循环神经网络,就被不少人看好是最有可能实现无监督学习的方法之一。这种应用于对话生成的算法能够将自然语言生成的端到端框架扩展为两个并行离散过程,高层次的粗糙标记序列及自然语言标记的序列,从而让系统更擅长捕捉长句结构并生成更流畅的语句。

此外,为了在蒙特利尔大学(Bengio 的任职学校)及其附近的麦吉尔大学发展出“AI 生态环境”,去年年末 Yoshua Bengio 启动了一个名为 Element AI 的创业孵化器,以此帮助研究所催生出的初创公司找准发展方向。

雅恩•乐昆(Yann LeCun)

微信图片_20170509222131

作为人工智能领域三大奠基人之一,Yann LeCun 为卷积神经网络和图像识别领域做出了重要的贡献。反向传播(BP)这种现阶段常用来训练人工神经网络的算法就是 LeCun 和其老师“神经网络之父”Geoffrey Hinton 等科学家于 20 世纪 80 年代中期提出的,而后 LeCun 在贝尔实验室将 BP 应用于卷积神经网络中,并将其实用化,推广到各种图像相关任务中。

这位目前在 Facebook 出任人工智能实验室主任的学者,今年 3 月在清华大学演讲时,公布了 Facebook 的最新研究成功——概念上更简单、灵活的通用目标分割框架 Mask R-CNN。这种新算法建立在可缩短物体识别和分割技术耗时的 Faster RCNN 基础之上,能够以更简单的训练方式实现图像的有效目标检测。

此外,演讲会上 LeCun 还用一个简单的公式概括了未来通用型人工智能系统的发展方向:预测+规划=推理——具备预测能力且能掌握人类常识的 AI 系统。

丹尼斯•哈萨比斯(Demis Hassabis)

d6ca7bcb0a46f21f9b497c37fe246b600c33ae50

这位曾扬言“要用人工智能改变世界”的 AI 研究专家、神经学家、国际象棋大师和电脑游戏设计师,就是那只横扫围棋棋坛的“狗”的创造者。

从游戏程序员、认知神经科学研究员等工作经历中获得灵感,2010 年 Hassabis 创办了人工智能初创公司 DeepMind(2014 年已被谷歌以 6.25 亿美元收购),并致力于研究通用型学习算法。

在 Hassabis 的带领下,不仅仅只是 AlphaGo,DeepMind 部分的 AI 研发项目已经在能源、医疗、水源改进、区块链等等各个领域里“实习”。而背靠着谷歌,DeepMind 不仅拥有由 250 多位顶尖的神经科学、机器学习等专家组成的团队,还有无上限的研发成本。所以说,Hassabis 不急着让 DeepMind 的 AI 项目商用化,而是先把大脑秘密解开,创造出能完成更复杂、更有意义任务的类人 AI 后,再将其应用到所有领域里。

李飞飞(Fei-Fei Li)

微信截图_20170510032923

与同样任职于 SAIL 的吴恩达一样,“人工智能界女神”李飞飞一直被“硅谷科技圈”称为斯坦福的技术领袖。

截至目前为止,这位女神共发布了 100 余篇科技论文,涵盖了计算神经科学、视觉识别、大数据等等领域。这些研究成果中最为出名的是 ImageNet——全球最大的图像识别数据库。值得一提的是,斯坦福每年都会举行一次比赛,邀请谷歌、微软、百度等 IT 企业使用 ImageNet,测试他们系统的运行情况。经过了几年的“打磨”,目前 ImageNet 的图像识别功能大大提升,出错率仅为 5%(比人眼还低)。而最近在 2017 TED 上,李飞飞则表示,他们的下一个目标是图像理解。

虽然 ImageNet 项目备受关注,但李飞飞早年间并未与业界有过多的联系。直到近三年,她才开始出现在 AI 界的新闻上。2015 年时,她参与了由丰田和斯坦福大学建立的无人车研究项目;而去年她则加盟谷歌,成为谷歌云计算业务 Google Cloud 成立的新部门的主管,主要负责用 AI 技术吸引更多人使用云计算服务,从而推动 Google Cloud 的发展。

仔细一看,几位人工智能大神中有一半和谷歌存在紧密联系,也怪不得它能在 AI 界一直领跑。

扫码关注粹客网微信公众号,每日推送更多精彩资讯,随时随地关注业界最新动态
关注人工智能/生物医疗/材料科学等领域,欢迎交流,微信:Lucy_Cheng_nsn

热门评论

Copyright © 2015-2016 粹客网 | 广州市彼利熊网络科技有限公司 (粤ICP备15096117号)