AI çok sıcak, Turing Ödülü Derin Öğrenmede "Üç Silahşörler" e gidiyor
27 Mart'ta ABD Doğu Saati, Amerikan Hesaplama Makineleri Birliği (ACM), derin öğrenmenin üç destekleyicisi olan Yoshua Bengio, Geoffrey Hinton ve Jahn Le'nin Yann LeCun, sinir ağlarındaki başarılarından dolayı 2018 AM Turing Ödülü'nü kazandı. Bu kez, 2002 ve 2007'den beri, Turing Ödülü üçüncü kez üç bilim insanına verildi.
Yann Lekun, Toronto Üniversitesi Jeffrey Hinton laboratuvarında doktora sonrası araştırmacıydı.New York Times'a göre Yann Lekun, AT&T Bell Labs'ta çalışırken Yushua Bengio ile meslektaş oldu. 2004 yılında, Kanada hükümetinin desteğiyle Jeffrey Hinton bir araştırma projesi başlattı ve Yan Lekun ve Yushua Bengio'yu proje ekibine katılmaya davet etti. Jeffrey Hinton bir keresinde neredeyse her hafta buluştuklarını ve partilerin genellikle kavgalarla sonuçlandığını söylemişti. Geçtiğimiz birkaç on yılda, yukarıdaki üç kişi hem bağımsız olarak araştırma yaptı hem de birbirleriyle işbirliği yaptı ve derin sinir ağları alanındaki temel kavramları ortaklaşa ortaya koydu. Hesaplama gücü ve veri hacmi sınırlamalarının ve Backpropagation, Convolutional Neural Network (CNN) ve Generative Adversarial Neural Network (GAN) üzerine çığır açan araştırmaların üstesinden gelirler.
Yoshua Bengio, Montreal Üniversitesi'nde profesör ve Quebec'teki bir yapay zeka ajansı olan Mila'nın bilimsel direktörüdür. Sektörde "İncil" olarak bilinen bir kitap olan "Derin Öğrenme" yi diğer uzmanlarla birlikte yazdı. Makalelerine 2018 yılında günde ortalama 131 kez atıf yapıldı.
1990'larda, sekans olasılık modeli icat edildi.Bu teori, el yazısı kontrolleri yeni teknolojilerle başarılı bir şekilde tanımak için sinir ağlarını ve olasılık modellerini birleştirir.Modern derin öğrenme teknolojisindeki konuşma tanıma da bu temelde genişletilir.
Ek olarak, Bengio'nun "Sinirsel Olasılıksal Dil Modeli" makalesi, doğal dili temsil etmek için yüksek boyutlu kelime vektörleri kullanır. Ekibi ayrıca makine çevirisini teknolojik bir atılım yapmak için bir dikkat mekanizması geliştirdi ve derin öğrenme işleme dizileri için önemli bir teknoloji haline geldi.
Geoffrey Hinton, Google'ın başkan yardımcısı, mühendislik araştırmacısı, Vector Institute'un baş bilimsel danışmanı ve Toronto Üniversitesi'nde emekli profesördür.
En önemli katkısı, geri yayılımla ilgili "Hata Yayılımıyla Dahili Temsilleri Öğrenmek" başlıklı makaleyi içerir.Kağıt, geri yayılımın, sinir ağlarının kendi dahili veri temsillerini keşfetmelerine izin verdiğinden, böylece geçmişte çözülemeyen problemlerle başa çıkabileceklerinden bahsediyor.
1983'te icat edilen Boltzmann Makineleri (Boltzmann Makineleri) ve 2012'de evrişimli sinir ağlarının iyileştirilmesi izledi. Hinton ve öğrencileri Alex Krizhevsky ve Ilya Sutskever, Rectified Linear Nöronlar ve Dropout Regularization aracılığıyla evrişimli sinir ağını geliştirdiler ve ünlü ImageNet değerlendirmesinde iyi sonuçlar elde ederek bilgisayar görüşü alanında bir devrim başlattılar.
Yann LeCun, New York Üniversitesi'nde profesör, Facebook başkan yardımcısı ve baş yapay zeka bilimcisi. Aynı zamanda "Evrişimli Sinir Ağlarının Babası" olarak da bilinir.
1980'lerde LeCun, derin öğrenmeyi daha verimli hale getirmek için makine öğrenimi alanında temel bir teknoloji olan evrişimli sinir ağını icat etti. Yann LeCun, Toronto Üniversitesi ve Bell Labs'da çalışırken ilk kez el yazısıyla yazılmış rakam tanıma için evrişimli sinir ağlarını kullandı. Günümüzde evrişimli sinir ağları, bilgisayarla görme, konuşma tanıma, konuşma sentezi, görüntü sentezi, doğal dil işleme ve diğer akademik yönlerin yanı sıra otomatik sürüş, tıbbi görüntü tanıma, ses asistanları ve bilgi filtreleme gibi endüstriyel uygulamalarda yaygın olarak kullanılmaktadır.
LeCun'un ikinci önemli katkısı, geri yayılma algoritmasını iyileştirmektir. Erken bir geri yayılım algoritması geri yayını önerdi ve geri yayılım algoritmasını daha hızlı hale getirmek için varyasyonel ilkeye dayalı kısa bir türetme yaptı.
Üçüncü katkısı, sinir ağlarının uygulama yelpazesini genişletmek ve sinir ağlarını çok sayıda farklı görevi tamamlayabilen bir hesaplama modeline dönüştürdü. İlk günlerde tanıttığı çalışmaların bir kısmı artık yapay zekanın temel kavramları haline geldi.Örneğin, görüntü tanıma alanında, sinir ağlarının hiyerarşik özellikleri öğrenmesine nasıl izin verileceğini araştırdı.Bu yöntem artık birçok günlük tanıma görevinde kullanılıyor.
