Laureat głównej nagrody Vinfuture otrzymuje Nagrodę Nobla w dziedzinie fizyki za rok 2024

[reklama_1]

Jest to piąty naukowiec nagrodzony główną nagrodą Vinfuture, która otrzymała Nagrodę Nobla, co stanowi dowód pionierskiej wizji fundatorów Nagrody Vinfuture – pierwszej międzynarodowej nagrody w dziedzinie nauki i technologii, której pomysłodawcą był naród wietnamski, a która po zaledwie 4 latach istnienia umocniła swoją pozycję w międzynarodowej społeczności naukowej.

Geoffrey Hinton jest znany jako „ojciec chrzestny głębokiego uczenia” ze względu na swój ogromny wkład w dziedzinę sztucznej inteligencji i uczenia maszynowego. (Zdjęcie: Reuters)

Wkład profesora Geoffreya E. Hintona i czterech naukowców: Yoshuy Bengio, Jen-Hsun Huang, Yanna LeCuna i Fei-Fei Li w rozwój głębokiego uczenia się został właśnie uhonorowany główną nagrodą o wartości 3 milionów dolarów (ponad 76 miliardów VND) w ramach VinFuture 2024.

Komitet przyznający nagrodę docenił jego przywództwo i fundamentalne prace nad architekturą sieci neuronowych. Jego praca z 1986 roku, napisana wspólnie z Davidem Rumelhartem i Ronaldem Williamsem, zademonstrowała rozproszone reprezentacje w sieciach neuronowych trenowanych algorytmem propagacji wstecznej. Metoda ta stała się standardowym narzędziem w dziedzinie sztucznej inteligencji i doprowadziła do postępu w rozpoznawaniu obrazu i mowy.

Urodzony jako Geoffrey E. Hinton 6 grudnia 1947 r. w Wimbledonie w Londynie, Hinton jest potomkiem logika George'a Boole'a, który stworzył podwaliny teorii projektowania obwodów cyfrowych.

Jedną z najważniejszych prognoz Hintona jest to, że sztuczna inteligencja wkrótce będzie w stanie rozumieć i tworzyć język naturalny na poziomie porównywalnym z ludzkim. Prognoza ta opiera się na szybkim postępie algorytmów uczenia maszynowego i uczenia przez wzmacnianie.

Innym obszarem badań Hintona jest uczenie bez nadzoru, rodzaj uczenia maszynowego, w którym algorytmy uczą się z nieoznakowanych danych. Większość współczesnych systemów sztucznej inteligencji opiera się na uczeniu nadzorowanym, w którym algorytmy są trenowane na dużych zbiorach oznaczonych danych. Hinton uważa jednak, że uczenie bez nadzoru jest kluczem do tego, aby sztuczna inteligencja lepiej naśladowała sposób uczenia się ludzi. Opracowuje nowe algorytmy uczenia bez nadzoru, dążąc do stworzenia systemów sztucznej inteligencji, które będą mogły uczyć się z otoczenia tak, jak dziecko.

Ha Cuong

Źródło