អ្នកឈ្នះរង្វាន់ធំ Vinfuture ទទួលបានរង្វាន់ណូបែលរូបវិទ្យាឆ្នាំ 2024

នេះជា អ្នកវិទ្យាសាស្ត្រ ទី ៥ ដែលទទួលបានរង្វាន់ Vinfuture សំខាន់ដែលត្រូវប្រគល់រង្វាន់ណូបែល បង្ហាញពីចក្ខុវិស័យត្រួសត្រាយរបស់ស្ថាបនិករង្វាន់ Vinfuture - រង្វាន់វិទ្យាសាស្ត្រ និងបច្ចេកវិទ្យាអន្តរជាតិដំបូងគេដែលផ្តួចផ្តើមដោយប្រជាជនវៀតណាម បញ្ជាក់ពីភាពល្បីល្បាញក្នុងសហគមន៍វិទ្យាសាស្ត្រអន្តរជាតិបន្ទាប់ពីដំណើរការត្រឹមតែ ៤ ឆ្នាំប៉ុណ្ណោះ។

Geoffrey Hinton ត្រូវបានគេស្គាល់ថាជា "ឪបុកធ៍មនៃការសិក្សាជ្រៅជ្រះ" សម្រាប់ការរួមចំណែកដ៏ធំសម្បើមរបស់គាត់ចំពោះវិស័យបញ្ញាសិប្បនិមិត្ត និងការរៀនម៉ាស៊ីន។ (រូបថត៖ Reuters)

ការរួមចំណែករបស់សាស្រ្តាចារ្យ Geoffrey E. Hinton និងអ្នកវិទ្យាសាស្ត្របួននាក់គឺ Yoshua Bengio, Jen-Hsun Huang, Yann LeCun និង Fei-Fei Li ដើម្បីលើកកម្ពស់វឌ្ឍនភាពនៃការរៀនសូត្រជ្រៅជ្រះ ទើបតែត្រូវបានផ្តល់កិត្តិយសជាមួយនឹងរង្វាន់ ធំ ដែលមានតម្លៃ 3 លានដុល្លារ (ជាង 76 ពាន់លានដុង) នៃ VinFuture 2024 ។

គណៈកម្មាធិការពានរង្វាន់បានទទួលស្គាល់គាត់សម្រាប់ភាពជាអ្នកដឹកនាំ និងការងារជាមូលដ្ឋានរបស់គាត់លើស្ថាបត្យកម្មបណ្តាញសរសៃប្រសាទ។ ក្រដាសឆ្នាំ 1986 របស់គាត់ជាមួយ David Rumelhart និង Ronald Williams បានបង្ហាញពីតំណាងចែកចាយនៅក្នុងបណ្តាញសរសៃប្រសាទដែលត្រូវបានបណ្តុះបណ្តាលដោយប្រើក្បួនដោះស្រាយ backpropagation ។ វិធីសាស្រ្តនេះបានក្លាយជាឧបករណ៍ស្ដង់ដារក្នុងវិស័យបញ្ញាសិប្បនិមិត្ត ហើយនាំទៅរកភាពជឿនលឿនក្នុងការទទួលស្គាល់រូបភាព និងការនិយាយ។

Geoffrey E. Hinton កើតនៅថ្ងៃទី 6 ខែធ្នូ ឆ្នាំ 1947 នៅទីក្រុង Wimbledon ទីក្រុងឡុងដ៍ Hinton គឺជាកូនចៅរបស់ logician George Boole ដែលបានបង្កើតមូលដ្ឋានគ្រឹះនៃទ្រឹស្ដីការរចនាសៀគ្វីឌីជីថល។

ការទស្សន៍ទាយដ៏គួរឱ្យកត់សម្គាល់បំផុតមួយរបស់ Hinton គឺថា AI នឹងអាចយល់ និងផលិតភាសាធម្មជាតិបានក្នុងពេលឆាប់ៗនេះក្នុងកម្រិតមួយដែលស្មើនឹងមនុស្ស។ ការទស្សន៍ទាយនេះគឺផ្អែកលើការជឿនលឿនយ៉ាងឆាប់រហ័សនៃការរៀនម៉ាស៊ីន និងក្បួនដោះស្រាយការរៀនពង្រឹង។

ផ្នែកមួយទៀតនៃការស្រាវជ្រាវរបស់ Hinton គឺការរៀនដោយគ្មានការត្រួតពិនិត្យ ដែលជាប្រភេទនៃការរៀនម៉ាស៊ីនដែលក្បួនដោះស្រាយរៀនពីទិន្នន័យដែលគ្មានស្លាក។ ប្រព័ន្ធ AI ភាគច្រើននាពេលបច្ចុប្បន្ននេះពឹងផ្អែកលើការរៀនសូត្រដែលមានការត្រួតពិនិត្យ ដែលក្នុងនោះក្បួនដោះស្រាយត្រូវបានបណ្តុះបណ្តាលលើសំណុំទិន្នន័យដែលមានស្លាកសញ្ញាធំ។ ទោះជាយ៉ាងណាក៏ដោយ Hinton ជឿជាក់ថាការរៀនសូត្រដែលគ្មានការត្រួតពិនិត្យគឺជាគន្លឹះក្នុងការធ្វើឱ្យ AI កាន់តែធ្វើត្រាប់តាមវិធីដែលមនុស្សរៀន។ គាត់កំពុងបង្កើត algorithms ថ្មីសម្រាប់ការរៀនដែលគ្មានការត្រួតពិនិត្យ ក្នុងគោលបំណងបង្កើតប្រព័ន្ធ AI ដែលអាចរៀនពីបរិយាកាសរបស់ពួកគេដូចកូនក្មេង។

ហាគឿង

ប្រភព