Yang Qiang kimdir? İlk AAAI Çinli başkan ve Huawei Noah's Ark Lab'ın kurucusu
İçbükey tapınaktan Qianming 13
Qubit Raporu | Genel Hesap QbitAI
Uluslararası Yapay Zeka Konferansı, AAAI 2021 başkanı sonuçlandırıldı, Çinli bilim adamları Yang Qiang Seçildi.
Haber Nanda profesörü Zhou Zhihua'dan geldi ve AAAI'nin başkanlığına ilk kez bir Çinli'nin seçildiğini söyledi.
Ancak Yang Qiang için bu ilk değil.
2017'nin başlarında, Çinliler için ilk kez olan 2019 Uluslararası Yapay Zeka Federasyonu (IJCAI) Konseyi'nin Çinli bilim adamı olarak seçildi.
Ayrıca, aynı zamanda ilk Çinli AAAI Üyesi ve transfer öğrenme teorisi ve federal öğrenme teorisini öneren ilk kişilerden biridir.
Veri madenciliği alanında, dolaşamayan büyük ineklerden biridir.
"Dai Shen" olarak adlandırılan dördüncü paradigmanın kurucusu Dai Wenyuan gibi ortaya çıkardığı öğrenciler, Çin'in yapay zeka endüstrisinin temelleri haline geldi.
Peki, Yang Qiang kimdir?
Göç öğrenimi ve federal öğrenmenin kurucusu, çeşitli Fellow profesyonel kullanıcılar
WeBank Yapay Zeka Baş Sorumlusu ve Hong Kong Bilim ve Teknoloji Üniversitesi Bilgisayar Bilimi ve Mühendisliği Bölümü Dekanı Yang Qiang.
AAAI 2021 konferansı başkanı seçilmeden önce, 2013 yılında AAAI Üyesi olarak seçildi.
Bundan önce, aynı zamanda bir IEEE Fellow (2009), IAPR Fellow (2012), AAAS Fellow (2012) ve ACM Fellow (2017) idi.
Bilgisayar yapay zekası alanında bir Fellow profesyonel olduğu söylenebilir.
Vücudun arkasında, bu onurlar hak ediyor.
Yapay zeka ve veri madenciliği alanında 400'den fazla makale yayınladı ve ayrıca IJCAI, ACL, SDM, WSDM, KDD, CIKM, AAAI gibi üst düzey yapay zeka ve veri madenciliği konferanslarına sık sık ziyaretçidir.
Küçük veri ikilemi sorununu çözmek için, kendisi ve ekibi teorik bir "göç öğrenme" sistemi önerdi. Veri parçalanması ve veri adalarının sorunlarını çözmek için Yang Qiang ve ekibi ayrıca "Federal Öğrenme" teorisini önerdi.
Şirketlerin kendi verilerinin yerel olarak mevcut olmamasını, modelin etkisinin değişmeden kalmasını ve ortak modellemenin düzenlemeler ihlal edilmeden gerçekleştirilmesini ve makine öğrenimi algoritma modellemesinin verimliliğinin artırılmasını sağlayabilir.
Hem transfer öğrenimi hem de federe öğrenme, yapay zeka / makine öğreniminin en son teknolojisi haline geldi ve bu alanlardaki araştırmacıların kararlı olduğu yönlerden biri haline geldi.
Dahası, araştırması sadece akademik düzeyde değil, aynı zamanda sektöre de girmiştir.
Microsoft Research Asia'nın ilk araştırmacılarından biri ve Huawei'nin Noah's Ark Lab'inin kurucu direktörüydü.
Onun liderliği altında, WeBank AI ekibi, aynı zamanda dünyanın bir ilki olan endüstriyel düzeyde "federal öğrenme" teknik çerçevesini açık kaynaklı hale getirdi.
Ondan önce, akademik bir ailede doğdu, Peking Üniversitesi'nde okudu ve Maryland Üniversitesi'nde okudu.
Alimler, Gömülü Fizik
Yang Qiang, 1961'de, bu yıl 59 yaşında, bilgin bir aileden doğdu.
1975 yılında eğitim aldı Tsinghua Lisesi . 1978'de, üniversiteye giriş sınavının yeniden başlamasından sonra ilk üniversite öğrencisi grubu olarak Yang Qiang girdi. Pekin Üniversitesi , Astrofizik eğitimi alıyor.
Yang Qiang, China Science Daily ile yaptığı röportajda, fizik dalının ana dal olarak seçilmesinin nedenini söyledi:
Çocukluğundan beri babasından etkilenmiştir.
Babası Yang Haishou aynı zamanda Çin'de tanınmış bir gökbilimci ve hayatı boyunca Pekin Üniversitesinde ders veriyor.
Çünkü çocukluğundan beri temas halinde olduğu çevreler ya fizik okuyor ya da kütüphane okuyor (annesi Pekin Üniversitesi kütüphane bölümünden mezun oldu ve daha sonra Tsinghua Üniversitesi'nde çalıştı).
Lisanstan mezun olduktan sonra, Lisansüstü Programı (CUSPEAP) ile yurtdışına gidin. Maryland Üniversitesi Yurt dışında okumak.
Astrofizik üzerine yapılan araştırmalar, NASA tarafından fırlatılan uydular aracılığıyla güneşte parlama gibi bazı faaliyetleri gözlemlemeye yöneliktir.
Yang Qiang'ın bilgisayarlarla temasa geçmeye başlaması kesinlikle fizik sayesinde oldu. Bu da onu başlattı Hayatta dönüm noktası .
Her şeyden önce, astrofizik deneyi sırasında Yang Qiang, verilerin çok kıt olduğunu buldu, çünkü uydu tarafından toplanması gerekiyordu, bu yüzden beklemesi birkaç ay sürdü.
Ancak bilgisayarlar uydu görüntüleri aracılığıyla kendi başlarına veri üretebilirler. Yang Qiang, "İkincisi, bilgisayarlar gerçekten ilginç. Birçok işlem otomatikleştirilebilir ve öğrenilerek çözülebilir." Dedi.
sonra, Transfer bilgisayarı Fikir doğdu.
İlgi nedeniyle bilgisayara taşındı
Dünyada çok fazla dahi var ve hepsi yalnız değiller. Bu cümle Yang Qiang için mükemmel. Sonuçta, bir bölümü değiştirmek çok kolay.
1984 civarında, o dönemdeki bilgisayar dersi sömestr boyunca hiç kaydedilmiyordu, sadece yaz saatini telafi etmek için bazı seçmeli dersleri almak için kullanabiliyordu.
Yang Qiang şunları hatırladı:
O zamanlar gerçekten geç kalmaya başladım.
Yurtdışına çıkmadan önce görme yeteneğim çok iyiydi, ancak bilgisayarın büyük görevlerini binlerce satır kodla yakalayabilmek için sık sık uyanık kalmak zorunda kaldım, bu da görme yeteneğimin azalmasına ve sonunda gözlük takmaya neden oldu.
Bilgisayarda "İşletim Sistemi" ödevini bitirmek için gece saat üç veya dörde kadar sıraya girmek zorunda kaldım. Akşam yetişkin sınıfı için bilgisayar sınıfına gitmek zorunda kaldım Daha sonra, iyi öğrendiğim ve öğretmenin sınıfa katılamayacak kadar meşgul olduğu için, Yang Qiang'dan bunun yerine yetişkin sınıfını öğretmesi istendi.
Bu şekilde 1985 yılında bilgisayar bölümüne başarıyla geçti. Bundan önce, aslında üç bilgisayar dersi öğretmişti: veri yapısı, devre tasarımı ve yapay zeka.
Yang Qiang, Maryland Üniversitesi'nde geçirdiği yedi yıl boyunca bu şekilde Çift Derece Usta (Bilgisayar Bilimi ve Astrofizik Yüksek Lisansı), Doktora (Bilgisayar Bilimleri) öğrenme.
"China Science Daily" ile yaptığı röportajda Yang Qiang, yapay zeka araştırma yolculuğunu da gözden geçirdi:
İlk yarı, uzman sistem temelli, yani önyargılı düşünceye dayanmaktadır.İnsanlar, doktora çalışmaları sırasında popüler olan bilgisayarlara insan uzmanlığını girmek için bilgisayar mantığı dilini kullanır.
İkinci yarı makine öğrenimidir, yani önyargılı değildir, ancak eğitim verileriyle olayları ve çevreyi gözlemleyerek bir model öğrenir ve ardından geleceği tahmin etmek için uygulamaya koyar.
Doktora derecesinden mezun olduktan sonra, Waterloo Üniversitesi, Kanada Bilgisayar Bilimleri Bölümü'nde yardımcı doçent ve doçent olarak görev yaptı ve 1995 yılında kadrolu profesör pozisyonuna layık görüldü. Şu anda, doktora mezuniyetinden sadece 7 yıl önceydi.
Nispeten boş zaman ve araştırma finansmanı ile Yang Qiang, araştırmasının ikinci yarısına, yani makine öğrenimine başladı.
O zamanlar, bu hala yapay zeka alanının küçük bir koluydu ve aynı zamanda soğuk kıştaydı.
Ama kendine çok güveniyor, ona göre bu gelecekteki trendlerden biri olmalı.
Bir keresinde karşılaştırdı:
Çoğu insan, 2 veya 3 yaşındaki çocukların güçlü bir dil becerisine sahip olmasına şaşıracak.
Bu, bir veya iki örnekle öğrenilebilecek bir şey değil, ancak belli bir miktar biriktirme zaten yapıldı. Bu birikim, beyindeki birçok bilginin bağlantısı verilen ebeveynlerden kaynaklanıyor olabilir.
Sadece bazıları henüz bağlantılı değil ve teşvik etmek için bir veya iki örneğe ihtiyaç duyuyor.
Aslında, Yang Qiang'ın daha sonra önerdiği şey buydu. Transfer öğrenimi Temel model - büyük veri alanındaki bilgiyi küçük veri alanına aktarabilir ve küçük veri sorununu çözebilir.
Ona göre makine öğrenimi iki noktadan ayrılamaz.
Birincisi, benzetme yoluyla çıkarımlar yapma, yani öğrenmeyi aktarma becerisidir; aynı zamanda, veri adalarını bağlama yeteneğinden, yani veri parçalama ve veri gizliliği sorunlarını çözen federe öğrenmeden ayrılamaz.
Bundan sonra Yang Qiang art arda Simon Fraser Universitesi Hong Kong Bilim ve Teknoloji Üniversitesi Bilgisayar Bilimi ve Mühendisliği Bölümü'nde öğretim.
Başarı Metodolojisi: Kendinizi dünden farklı kılın
Kariyerinin sık sık değiştiğini düşünebilirsiniz, ama aslında bu çok basit bir ilke ve Yang Qiang tarafından takip ediliyor Öğrenmeye devam edin, kendinizi geliştirmeye devam edin ve kendinizi dünden farklı kılın.
Yang Qiang şunları söyledi:
Üniversitede çalışırken, bir endüstri lideri olmak ve bilgimi sürekli geliştirmek için kendime bir meydan okuma koyuyorum.
Tam profesör olduktan sonra kürsü profesörleri olacak ve ardından seçkin profesörler olacak.
Tüm bu unvanlar elde edildikten sonra, etrafta öğrenilebilecek hemen hemen her şey öğrenilir, bu yüzden bir "arkadaş çevresi" olarak değiştirmelisiniz.
Ders verirken ders dışı etkinliklere ve bilimsel araştırmalara katılmaya devam etmesinin nedeni bu olabilir.
1999 yılında Microsoft Research Asia'nın kurulmasından sonra, buraya girdi ve ilk araştırmacılardan biri oldu. 2012 yılında Huawei Nuh'un Gemisi Laboratuvarı kuruldu. Yang Qiang, 2012'den 2015'e kadar üç yıl boyunca laboratuvarın kurucu direktörü olarak görev yaptı.
2015 yılında "WeChat-Hong Kong Bilim ve Teknoloji Üniversitesi Yapay Zeka Ortak Laboratuvarı" direktörlüğünü yaptı. 2018 yılında WeBank'ta Yapay Zeka Şefi (CAIO) olarak görev yaptı.
Şimdi bu pozisyonda, tüm finansal hizmeti bir yapay zeka modeline dönüştürmeyi umuyor.
Model otomatik olarak bir banka haline gelebilir ve ardından bankanın modelini çeşitli sektörlere açabilir, böylece her sektör kendi başına finansal özelliklere sahip hizmetler sunabilir.
Yang Qiang'ın dediği gibi:
Bunun özellikle harika bir şey olduğunu düşünüyorum ve yapılması uzun yıllar alabilir. Ama hedefin büyüklüğünü her düşündüğümde heyecanla uyuyamıyorum.
Çinli bilim adamları en iyi AI zirvesi
Sadece Yang Qiang değil, aynı zamanda son yıllarda birçok Çinli bilim insanı, yapay zekanın çeşitli alanlarında üst düzey konferanslarda üstünlüklerini gösterdiler.
Örneğin, Hong Kong Çince profesörü ve Shangtang'ın kurucusu Tang Xiaoou, ICCV ve CVPR gibi birçok önemli uluslararası konferansın da başkanlığını yaptı.
Aynı zamanda en yüksek etki faktörüne sahip IEEE İşlemleri Örüntü Analizi ve Makine Zekası (PAMI) ve tüm bilgisayar bilimi alanında en yüksek etki faktörüne sahip International Journal of Computer Vision (IJCV) yayın kurulu üyesidir.Ayrıca IJCV'nin ilk Çinli editörüdür.
Ayrıca, Hubei, Ezhou'da doğan bir UCLA profesörü olan Zhu Songchun da var.Ayrıca CVPR konferansının başkanlığını yaptı, en iyi uluslararası dergilerde ve konferanslarda 200'den fazla makale yayınladı ve bilgisayarla görme alanında üç kez en yüksek uluslararası ödülü kazandı.
İlginç bir şekilde, hem Tang Xiaoou hem de Zhu Songchun, Çin Bilim ve Teknoloji Üniversitesi'nde okudu.
Yang Qiang'ın AAAI 2021 konferansının başkanı olarak seçilmesi, sektördeki birçok kişi tarafından yapay zeka alanındaki Çin gücünün yükselişinin bir başka kanıtı olarak görülüyor.
Bir şey daha
2012 yılında, Huawei'nin Nuh'un Gemisi Laboratuvarı kurulduğunda Yang Qiang, Ren Zhengfei ile bir Soru-Cevap oturdu ve Çin'in teknolojik yeniliğine işaret etti.
Ren Zhengfei'ye sorduğu soru şuydu: Çin neden şimdiye kadar Nobel Ödülü almadı ve üretimi için gerekli koşullar nelerdir?
Ren Zhengfei'nin o sırada cevabı da oldukça keskindi. Ona göre Çin, mülkiyet haklarını koruma sistemi olan toprak yetersizliğinden dolayı değer yaratamaz.
Neyse ki, Hong Kong'daki bir üniversitede profesörsünüz ve Çin anakarasında bir profesör değilsiniz. Aksi takdirde, kağıt sayısını karşılaştırmanız gerekir ve bu kadar çok makale üretemezsiniz, böylece yalnızca kopyalayabilirsiniz. Kağıtları kopyalamak için hangi Nobel Ödülünüz var? İmkansız, bu yüzden akademik ortamı değiştirmeliyiz.
Ne düşünüyorsun?
Referans bağlantısı:
https://en.wikipedia.org/wiki/Qiang_Yang
- Bitiş -
Qubit QbitAI · Toutiao İmzalı
Bize dikkat edin ve en son teknolojideki en son gelişmeleri alın
