Vítěz hlavní ceny Vinfuture získává Nobelovu cenu za fyziku za rok 2024

Toto je pátý vědec, který získal hlavní cenu Vinfuture, jež mu byla udělena Nobelova cena, což dokazuje průkopnickou vizi zakladatelů ceny Vinfuture – první mezinárodní ceny za vědu a techniku, kterou inicioval vietnamský lid a která si po pouhých 4 letech fungování potvrdila svou pozici v mezinárodní vědecké komunitě.

Geoffrey Hinton je známý jako „kmotr hlubokého učení“ pro své obrovské příspěvky v oblasti umělé inteligence a strojového učení. (Foto: Reuters)

Příspěvky profesora Geoffreyho E. Hintona a čtyř vědců: Yoshua Bengia, Jen-Hsun Huanga, Yanna LeCuna a Fei-Fei Li k podpoře pokroku v hlubokém učení byly právě oceněny hlavní cenou VinFuture 2024 v hodnotě 3 milionů USD (více než 76 miliard VND).

Oceněná komise ho ocenila za jeho vůdčí roli a základní práci v oblasti architektury neuronových sítí. Jeho článek z roku 1986, který publikoval společně s Davidem Rumelhartem a Ronaldem Williamsem, demonstroval distribuované reprezentace v neuronových sítích trénovaných algoritmem zpětného šíření. Tato metoda se stala standardním nástrojem v oblasti umělé inteligence a vedla k pokroku v rozpoznávání obrazu a řeči.

Hinton se narodil jako Geoffrey E. Hinton 6. prosince 1947 ve Wimbledonu v Londýně a je potomkem logika George Boolea, který položil základy teorie návrhu digitálních obvodů.

Jednou z nejvýznamnějších Hintonových předpovědí je, že umělá inteligence bude brzy schopna rozumět a produkovat přirozený jazyk na úrovni srovnatelné s lidskou. Tato předpověď je založena na rychlém pokroku v oblasti strojového učení a algoritmů učení s posilováním.

Další oblastí Hintonova výzkumu je neřízené učení, typ strojového učení, ve kterém se algoritmy učí z neoznačených dat. Většina systémů umělé inteligence se dnes spoléhá na řízené učení, ve kterém jsou algoritmy trénovány na velkých sadách označených dat. Hinton se však domnívá, že neřízené učení je klíčem k tomu, aby umělá inteligence lépe napodobovala způsob, jakým se učí lidé. Vyvíjí nové algoritmy pro neřízené učení s cílem vytvořit systémy umělé inteligence, které se dokáží učit ze svého prostředí jako dítě.

Ha Cuong

Zdroj