Ο νικητής του κύριου βραβείου Vinfuture λαμβάνει το Νόμπελ Φυσικής 2024

[διαφήμιση_1]

Αυτός είναι ο 5ος επιστήμονας που λαμβάνει το κύριο βραβείο Vinfuture και του απονέμεται το βραβείο Νόμπελ, καταδεικνύοντας το πρωτοποριακό όραμα των ιδρυτών του Βραβείου Vinfuture - του πρώτου διεθνούς βραβείου επιστήμης και τεχνολογίας που θεσπίστηκε από τον λαό του Βιετνάμ, επιβεβαιώνοντας το στίγμα του στη διεθνή επιστημονική κοινότητα μετά από μόλις 4 χρόνια λειτουργίας.

Ο Τζέφρι Χίντον είναι γνωστός ως ο «νονός της βαθιάς μάθησης» για την τεράστια συμβολή του στους τομείς της τεχνητής νοημοσύνης και της μηχανικής μάθησης. (Φωτογραφία: Reuters)

Οι συνεισφορές του καθηγητή Geoffrey E. Hinton και τεσσάρων επιστημόνων: Yoshua Bengio, Jen-Hsun Huang, Yann LeCun και Fei-Fei Li στην προώθηση της προόδου της βαθιάς μάθησης, μόλις τιμήθηκαν με το κύριο βραβείο αξίας 3 εκατομμυρίων δολαρίων ΗΠΑ (πάνω από 76 δισεκατομμύρια VND) του VinFuture 2024.

Η επιτροπή του βραβείου τον αναγνώρισε για την ηγετική του θέση και το θεμελιώδες έργο του στην αρχιτεκτονική νευρωνικών δικτύων. Η εργασία του το 1986, με τους David Rumelhart και Ronald Williams, κατέδειξε κατανεμημένες αναπαραστάσεις σε νευρωνικά δίκτυα που εκπαιδεύονται από τον αλγόριθμο backpropagation. Αυτή η μέθοδος έγινε ένα τυπικό εργαλείο στον τομέα της τεχνητής νοημοσύνης και οδήγησε σε πρόοδο στην αναγνώριση εικόνας και ομιλίας.

Γεννημένος ως Geoffrey E. Hinton στις 6 Δεκεμβρίου 1947 στο Wimbledon του Λονδίνου, ο Hinton είναι απόγονος του λογικού George Boole, ο οποίος έθεσε τα θεμέλια της θεωρίας σχεδιασμού ψηφιακών κυκλωμάτων.

Μία από τις πιο αξιοσημείωτες προβλέψεις του Hinton είναι ότι η Τεχνητή Νοημοσύνη σύντομα θα είναι σε θέση να κατανοεί και να παράγει φυσική γλώσσα σε επίπεδο εφάμιλλο με αυτό των ανθρώπων. Αυτή η πρόβλεψη βασίζεται στην ταχεία πρόοδο των αλγορίθμων μηχανικής μάθησης και ενισχυτικής μάθησης.

Ένας άλλος τομέας έρευνας του Hinton είναι η μη επιβλεπόμενη μάθηση, ένας τύπος μηχανικής μάθησης στον οποίο οι αλγόριθμοι μαθαίνουν από δεδομένα χωρίς ετικέτα. Τα περισσότερα συστήματα Τεχνητής Νοημοσύνης σήμερα βασίζονται στην επιβλεπόμενη μάθηση, στην οποία οι αλγόριθμοι εκπαιδεύονται σε μεγάλα σύνολα δεδομένων με ετικέτα. Ωστόσο, ο Hinton πιστεύει ότι η μη επιβλεπόμενη μάθηση είναι το κλειδί για να μιμηθεί η Τεχνητή Νοημοσύνη περισσότερο τον τρόπο που μαθαίνουν οι άνθρωποι. Αναπτύσσει νέους αλγόριθμους για μη επιβλεπόμενη μάθηση, με στόχο τη δημιουργία συστημάτων Τεχνητής Νοημοσύνης που μπορούν να μαθαίνουν από το περιβάλλον τους όπως ένα παιδί.

Χα Κουόνγκ

[διαφήμιση_2]
Πηγή