Чем занимаются ведущие учёные в сфере искусственного интеллекта и какие работы принесли им славу

Технологии «умных» пространств, беспилотный транспорт и устройство для распознавания лягушачьего кваканья.

В основе списка — анализ рейтингов рекрутинговой компании по поиску талантливых учёных League of Scholars, блога Who Is Hosting This, Forbes, Dataconomy и IBM.

Для удобства мы разделили исследователей на три категории:

те, кто занимаются предпринимательством;
те, кто занимаются только наукой;
те, кто консультируют компании или правительства.

Чем занимаются ведущие учёные в сфере искусственного интеллекта и какие работы принесли им славу

Джеффри Хинтон — один из исследователей, который предложил использовать в обучении нейронных сетей метод обратного распространения ошибки: после обработки данных сеть сравнивает свой результат с нужным и передаёт информацию об отклонении от него обратно, на все слои нейронов. Сейчас его используют во многих видах нейронных сетей, а до Хинтона практически не признавали.

Хитон работал профессором информатики в Университете Торонто, а в 2012 году вместе со своими выпускниками Алексом Крижевским и Ильёй Суцкевером создал компанию DNN Research. Они занялись распознаванием аудиальных и визуальных объектов с помощью глубинных нейронных сетей.

Год спустя Google приобрела стартап за $600 тысяч, а Хинтон стал одним из исследователей в команде Google AI. Сейчас он работает над проектом новой нейронной сети Google Brain и помогает улучшить поисковую систему при распознавании изображений, а также распознавание звука на устройствах Android.

Главные работы и проекты. Согласно социальной сети для учёных ResearchGate, Джеффри Хинтон выступает в качестве соавтора 331 публикации. К самым цитируемым текстам Хинтона, по данным Google Scholar, относятся следующие статьи, посвящённые когнитивистике, адаптивным машинам и нейронным сетям:

«Изучение внутренних представлений, исходя из распространённых ошибок». Работа, посвящённая техникам машинного обучения.
«Изучение представлений через ошибки обратного распространения». Ещё один текст о механизмах машинного обучения;
«Проведение классификации Imagenet со свёрточными нейронными сетями». Об этой технологии также писала в своих работах исследователь Фей-Фей Ли.

В 1985 году Джеффри Хинтон и исследователь Терренс Сейновски изобрели машину Больцмана — вид нейронной связи, способной обучаться через внутренние представления и решать непростые задачи из области комбинаторики.

Публичность. Джеффри Хинтон — член Королевского общества Канады и Ассоциации по развитию искусственного интеллекта. Он получил почётные докторские степени от Университета Эдинбурга, Университета Сассекса и Университета Шербрука.

В 2010 году Хинтон получил золотую медаль NSERC имени Герцберга — высшую награду Канады в области науки и техники. Издание Toronto Life называет исследователя «самым влиятельным учёным в области искусственного интеллекта».

С января 2019 года у Джеффри Хинтона появился свой аккаунт в Twitter. В нём он изредка пишет о результатах работы — в Google AI, в качестве лектора на Coursera и так далее.

Я отказываюсь давать какие-либо прогнозы больше, чем на пять лет, потому что я не думаю, что мы сможем увидеть так далеко вперёд.
Джеффри Хинтон

Эндрю Ын — профессор Стэнфордского университета, разработчик роботизированной операционной системы и основатель образовательной платформы Coursera.

В 2008 году он запустил программу Stanford Engineering Everywhere (SEE), где бесплатно разместил несколько онлайн-курсов Стэнфордского университета. В 2011 году начал руководить разработкой основной платформы для массовых открытых онлайн-курсов в университете MOOC, а в 2012 году запустил совместный проект с Дафной Коллер — Coursera. Согласно Crunchbase, за семь лет существования проект привлёк около $210 млн инвестиций.

В 2011 году Эндрю Ын основал проект Google Brain, в рамкам которого появились масштабные алгоритмы глубокого обучения. В результате проделанной работы в 2012 году нейронная сеть научилась распознавать кошек на видео.

В 2014 году Ын покинул пост руководителя в Coursera и присоединился к команде китайского Интернет-гиганта Baidu в качестве вице-президента и главного исследователя в вопросах глубинного обучения.

Главные работы и проекты. По данным ResearchGate, Эндрю выступает соавтором 318 публикаций. Наиболее цитируемые работы учёного посвящены следующим темам:

«Скрытое размещение Дирихле (LDA)». Материал, посвящённый одному из способов тематического деления текстовых документов в машинном обучении. Написан совместно с Майклом Ирвином Джорданом и Дэвидом Блаем.
«О спектральной кластеризации: анализ и алгоритм». Технический текст о способах упорядочивания данных в нейронных системах. Совместная работа с Майклом Ирвином Джорданом и Яиром Вейсом.
«ROS: роботизированная операционная система с открытым исходным кодом». В этом тексте описывается то, по каким принципам работает операционная система для роботов и какими техническими преимуществами она обладает.

Публичность. У Эндрю Ына есть профиль в LinkedIn и аккаунт в Twitter. Учёный активно выступает за изучение искусственного интеллекта и делится своими мыслями с читателями. У него также есть свой официальный сайт.

Я думаю, что через сотни лет, если люди изобретут технологию, о которой мы ещё не слышали, то компьютер, возможно, может превратиться в зло.
Но будущее так неопределённо, и я не знаю, что произойдёт через пять лет. Я не беспокоюсь о том, что искусственный интеллект станет вселенским злом, по той же причине, по которой я не беспокоюсь о перенаселении на Марсе.
Эндрю Ын

Дафна Коллер — соосновательница Coursera, профессор Стэнфордского университета и один из разработчиков технологии FastSLAM, которая помогает роботам передвигаться в пространстве без сторонней помощи.

В 2016 году учёный покинула учебную платформу и присоединилась к команде стартапа Calico как главный инженер. Эта компания финансируется Google и занимается вопросами замедления старения и борьбой с возрастными заболеваниями. Здесь Дафна Коллер занималась разработкой новых вычислительных методов для анализа наборов биологических данных.

В мае 2018 года исследовательница ушла из Calico и основала компанию по разработке медикаментов Insitro. По данным Crunchbase, в первом раунде стартап получил финансирование от пяти инвестиционных фондов, но сумма вложений не раскрывается.

Главные работы и проекты. По данным ResearchGate, имя Дафны Коллер упоминается более чем в 230 проектах. Согласно статистике Google Scholars, самые цитируемые работы исследовательницы — это:

«Вероятностные графические модели: принципы и методы». Эта работа несёт ознакомительный характер, вводит читателя в тему и рассматривает использование моделей для причинно-следственных рассуждений и принятия решений в условиях неопределённости.
«FastSLAM: решение проблемы одновременной локализации и отображения местоположения». Описанный в работе механизм может стать, по мнению Коллер, ключевой предпосылкой для появления автономных роботов.
«Поддержка векторного машинного обучения с приложениями к текстовой классификации». Описание ещё одного механизма, который может способствовать более эффективному распознаванию текстов машинами.

Публичность. У исследовательницы и предпринимательницы есть профиль в LinkedIn, неактивные аккаунты в Twitter и на Medium.

Мир шумный и грязный. И вам самим нужно разобраться с шумом и неопределённостью.
Дафна Коллер

Юрген Шмидхубер — профессор в Университете Лугано, в прошлом — руководитель лаборатории когнитивной робототехники и разработчик архитектуры нейронных сетей по распознаванию речи, заимствованной Google для создания собственных продуктов.

В 2014 году Шмидхубер основал свою компанию Nnaisense. Она специализируется на коммерческом применении искусственного интеллекта в сфере финансов и беспилотных автомобилей.

Главные работы и проекты. По данным ResearchGate, сейчас Юрген выступает соавтором в 338 публикациях. Согласно статистике от Google Scholar, самые цитируемые тексты Шмидхубера посвящены следующим темам:

«Долгосрочная кратковременная память (LSTM)». Работа об одной из разновидностей архитектуры нейронных связей, разработанной Шмидхубером и Сеппом Хохрайтером. В 2015 году компания Google использовала эту публикацию при создании нового программного обеспечения для распознавания речи.
«Глубокое обучение в нейронных сетях». Ознакомительная работа по теме.
«Многоколонные глубокие нейронные сети для классификации изображений». Коллективное исследование, посвящённое возможностям нейронных сетей распознавать рукописные цифры и дорожные знаки.

Публичность. У учёного и предпринимателя есть профиль в LinkedIn. Эшли Вэнс, автор Bloomberg Businessweek, шутливо называет Шмидхубера «крёстным отцом, которого ИИ-сообщество стремится забыть». Всё потому, что исследователь обещает создать машины, которые будут умнее человека.

Я работал над искусственным интеллектом несколько десятилетий, в основном с восьмидесятых. Я всё ещё верю, что можно засвидетельствовать, как новые технологии станут намного умнее меня, и я смогу спокойно уйти в отставку.
Юрген Шмидхубер

Кай-Фу Ли — разработчик первой независимой системы непрерывного распознавания речи и основатель собственного инвестиционного фонда, в прошлом — сотрудник Apple, Microsoft и Google.

В 1998 году он перешёл из Apple в пекинский офис компании Microsoft, а в июле 2005 года — в Google. Тогда между компаниями разгорелся скандал из-за неразглашения коммерческой информации, но его урегулировали в досудебном порядке.

В 2009 году Кай-Фу Ли заявил о своём уходе из интернет-компании, чтобы основать свой инвестиционный фонд. Через несколько месяцев после его ухода Google объявил о закрытии китайской версии поисковой системы из-за цензуры, а также о переносе серверов в Гонконг.

Инвестиционный фонд Кай-Фу Ли Sinovation Ventures действует по принципу инкубатора для новых стартапов. Его цель — ежегодно создавать пять успешных компаний в сфере интернет-технологий, мобильных приложений или облачных сервисов.

Как пишет Wall Street Journal, фонд привлёк $275 млн. По данным Crunchbase, за весь период его существования у проекта появилось 184 инвестора, а с начала 2019 года новые вложения в фонд составили более $171 млн

Главные работы и проекты. По данным ResearchGate, Кай-Фу Ли сейчас выступает автором 36 публикаций. Как показывает статистика Google Scholars, наиболее часто цитируемые работы Ли:

«Оптимизация алгоритма динамического программирования для распознавания произнесённого слова». Работа предлагает новый подход к механизмам распознавания речи.
«Независимое от динамика распознавание телефона с помощью скрытых марковских моделей». В публикации описывается то, как скрытое марковское моделирование (статистическая модель, задача которой — разгадывание неизвестных параметров на основе наблюдаемых) помогает распознавать телефоны независимо от действий говорящего.
«Автоматическое распознавание речи: разработка системы Sphinx». Докторская диссертация Кай-Фу Ли. Предполагается, что система распознавания речи Sphinx будет недорогой технологией, не зависящей от посторонних шумов.

Публичность. У Кай-Фу Ли есть профиль в LinkedIn и аккаунт в Twitter. Сейчас он продвигает свою книгу «Суперсилы искусственного интеллекта: Китай, Кремниевая долина и новый мировой порядок». Её признали бестселлером The New York Times, USA Today и The Wall Street Journal.

Одна из причин, по которой сложно предугадать, чем закончится наша история об искусственном интеллекте, в том, что это не просто история о машинах.
Это также история о людях, людях со свободной волей, которая позволяет им делать свой выбор и определять судьбу. Наше будущее с искусственным интеллектом будет создано нами, и оно будет отражать тот выбор, который мы делаем, и те действия, которые мы предпринимаем.
Кай-Фу Ли

У Йо-Хо Ли нет опыта работы в компаниях, он занимается исключительно научной деятельностью. Сейчас он преподаёт курс физических вычислений с акцентом на изучение робототехники, виртуальной реальности и интернета вещей в Азиатско-Тихоокеанском Университете Рицумейкан в Киото, занимается разработкой «умных помещений» и мобильных роботов.

Главные работы и проекты. По данным ResearchGate на 2019 год, Ли принял участие в 133 исследованиях. Согласно статистике Google Scholars, наиболее цитируемыми работами учёного стали:

«Интеллектуальное пространство — концепция и содержание». Работа о помещениях со специальными датчиками, благодаря которым пространство может проанализировать, что происходит внутри него. Потенциальная сфера применения концепции — жилые дома, офисы, фабрики.
«Управление мобильными роботами в распределённой интеллектуальной сенсорной сети». Работа, которая тестирует возможности мобильных роботов выполнять поставленные задачи через указания «умной» технологии обработки данных.
«Робот-помощник в распределённой интеллектуальной сенсорной сети». Работа, в которой описываются возможности роботов, управляемых распределённой средой.

Публичность. У учёного есть профиль в LinkedIn, но активности в нём он не проявляет. Как пишет технологическое издание IIOT-World, многие учёные слишком заняты, чтобы вести соцсети.

Учёный уже 19 лет занимается только академической деятельностью. Сейчас он работает на кафедре машиностроения и автоматики Национального университета науки и техники в тайваньском Гаосюне, разрабатывает микро-устройства для стабилизации экологии в парках и ищет более совершенные решения для сбора биометрических данных.

В 1997 году он работал советником в отделе интеллектуального контроля в машиностроительной компании Nan Rong Mechanical, затем, до 2000 года, — менеджером в некоммерческой организации по развитию информационной индустрии Institute for Information Industry.

Главные работы и проекты. По данным ResearchGate, к 2019 году Тунг-Куан Лиу принял участие в 92 научных работах. Согласно статистике Google Scholars, его самыми цитируемыми статьями стали материалы о генетике и гибридном генетическом алгоритме Taguchi (HTGA) за 2004–2006 годы.

По теме искусственного интеллекта Лиу написал две статьи:

«Микроконтрольное устройство, собирающее звуки и способное распознавать лягушачье кваканье». Эта работа предлагает разработку решения, которое поможет лесопаркам более эффективно следить за средой обитания лягушек и поддерживать стабильное экологическое состояние местности.
«Микроконтрольная технология захвата изображений для распознавания вен на пальцах». Статья предлагает новое биометрическое решение, которое обеспечит более высокий уровень безопасности в процессе распознавания личности.

Публичность. У учёного есть профиль в LinkedIn, но он его практически не ведёт.

Более десяти лет Майкл Ирвин Джордан преподавал в Массачусетском университете и с 1998 года — в Беркли. В 2016 году журнал Science назвал учёного самым влиятельным специалистом в области компьютерных технологий.

Основной опыт Джордана — академический. Он член многих научных организаций и большую часть времени посвящает исследовательской деятельности.

Главные работы и проекты. По данным ResearchGate, Джордан выступил соавтором 480 статей. Согласно статистике Google Scholar, наиболее цитируемые его тексты посвящены следующим темам в области машинного обучения:

«Скрытое выделение Дирихле (LDA)». Технический материал, посвящённый конкретному способу сбора данных в контексте машинного обучения. Написан совместно с Эндрю Ыном и Дэвидом Блаем.
«О спектральной кластеризации: анализ и алгоритм». Технический текст о способах решения проблемы кластеризации в нейронных системах по обработке данных. Совместная работа с Эндрю Ыном и Яиром Вейсом.
«Адаптивные смеси местных экспертов». В этой работе описывается новая процедура обучения систем, которые состоят из отдельных сетей.

Публичность. У Майкла Ирвина Джордана есть профиль в LinkedIn и свой блог на Medium.

Питер Хай, один из колумнистов Forbes также называет Бострома одним из самых влиятельных мыслителей в области безопасности и искусственного интеллекта. Ник Бостром занимается разработками в области этики, трансгуманизма и философии.

Как пишет сервис Who Is Hosting This, Ник Бостром часто консультирует многие правительства и организации. На своей официальной странице учёный не афиширует своё сотрудничество с коммерческими проектами и государственными структурами.

В 2005 году на базе Оксфордского университета он основал Институт будущего человечества и сейчас исследует сценарии, которые могут обеспечить процветание человечества в будущем. В октябре 2018 года организация получила инвестиции в размере 13,3 млн фунтов от некоммерческого фонда The Open Philanthropy Project, спонсирующего разные сферы науки.

В январе 2015 года учёный вместе со Стивеном Хокингом, Илоном Маском и Максом Тегмаром присоединился к открытому письму исследовательской организации Института будущего жизни. Этот документ содержит предупреждение о потенциальных опасностях искусственного интеллекта для человечества.

Главные работы и проекты. По данным ResearchGate, Ник Бостром выступил соавтором в 66 публикациях. Его самые цитируемые работы, согласно данным Google Scholars, посвящены темам:

«Сверхразум: пути, опасности и стратегии». Эта работа сделала автора знаменитым. В ней он рассуждает о том, сможет ли искусственный интеллект одержать верх над человеческим разумом и какие угрозы он может нести с точки зрения этики.
«Наиболее часто задаваемые вопросы в области трансгуманизма». Статья отвечает на базовые вопросы трансгуманизма и выступает в роли руководства для новичков в этой области.
«Что, если все мы живём в компьютерной симуляции (матрице)?». Учёный проводит исследование на тему эволюции, развития постчеловеческой цивилизации и роли компьютерной симуляции в жизни людей.

В 2018 году Бостром опубликовал свою новую статью — «Гипотеза уязвлённого мира». В ней автор поднимает вопрос влияния научно-технического прогресса на общество и прогнозирует, что дальнейшее развитие может привести к дестабилизации человеческой цивилизации.

Публичность. У Ника Бострома есть свой официальный сайт, на котором он публикует новые статьи и информацию о деятельности Института будущего человечества.

Маловероятно, что какое-либо из стихийных бедствий уничтожит нас в течение следующих 100 лет, если мы уже пережили 100 000 таких явлений. Мы сами внедряем через нашу деятельность совершенно новые виды опасностей, развивая новые технологии.
Ник Бостром

Ян Ле Кун — создатель архитектуры свёрточных нейронных сетей, которую он первым применил к технологии оптического распознавания символов.

В 1996 году Ле Кун стал руководителем отдела обработки изображений в AT&T Labs Research и занимался технологией сжатия изображений DjVu.

В 2003 году исследователь начал преподавать в Нью-Йоркском университете и здесь же основал Центр науки о данных.

В декабре 2013 года Ян Ле Кун стал директором по исследованиям искусственного интеллекта в Facebook. В январе 2018 года он перешёл на должность главного научного сотрудника по искусственному интеллекту, чтобы сфокусироваться на исследовательских задачах.

Главные работы и проекты. По данным ResearchGate, Ян Ле Кун принял участие более чем в 170 научных проектах. Согласно статистике Google Scholar, самые цитируемые работы учёного это:

«Градиентное обучение для распознавания документов». Работа, посвященная применению метода обратного распространения ошибок для распознания рукописных символов в онлайне. Эта технология может применяться для прочтения банковских чеков.
«Глубокое обучение». В этом тексте Ле Кун и его соавторы Йошуа Бенджио и Джеффри Хинтон описывают сферы применения алгоритмов глубокого обучения — от распознавания речи и визуальных объектов до обнаружения наркотиков.
«Метод обратного распространения ошибок для распознавания рукописного почтового индекса». Этот метод уже активно применяется в США. В тексте же описывается весь механизм распознавания: от нормализованного изображения объекта до финальной классификации.

Публичность. У Яна Ле Куна есть собственная официальная страница, до 2015 года он активно вёл свой блог в Google+. Также учёный — активный пользователь Facebook, Twitter и LinkedIn.

Обучение людей и животных — это обучение с учителем и без. Если бы интеллект был пирогом, то обучение под наблюдением было бы глазурью, а подкрепляющим фактором была бы вишенка на торте.
Сейчас мы знаем, как приготовить глазурь и вишню, но не знаем, как приготовить торт. Получается, нам сначала нужно решить проблему бесконтрольного обучения, прежде чем мы сможем даже думать о достижении истинного искусственного интеллекта.
Ян Ле Кун

Фей-Фей Ли — преподаватель Стэнфордского университета, исследователь технологии распознавания изображений с помощью баз данных, в прошлом — член команды Google AI.

Фей-Фей Ли сейчас выступает консультантом для двух компаний: разработчика искусственного интеллекта для роботов Vicarious и производителя платформ для мониторинга хирургической кровопотери в режиме реальном времени Gauss Surgical.

С 2017 по 2018 годы исследовательница была главным научным сотрудником в области искусственного интеллекта и машинного обучения, а также вице-президентом Google Cloud AI.

Главные работы и проекты. По данным ResearchGate, Фей-Фей Ли сейчас выступает соавтором более чем 170 статей. Согласно Google Scholars, самые цитируемые тексты Ли:

«Imagenet: крупномасштабная иерархическая база данных изображений». Работа о технологии распознавания изображений с помощью новой базы данных.
«Imagenet и крупномасштабная проблема визуального распознавания». Ещё одна работа о технологии распознавания изображений.
«Байесовская иерархическая модель для изучения естественной среды». Исследование предлагает изучить разные среды с помощью технологий машинного обучения.

Публичность. У Фей-Фей Ли есть профиль в LinkedIn и аккаунт в Twitter. Именно в нём в марте 2019 года учёная заявила о запуске Стэнфордского института искусственного интеллекта, ориентированного на человека (Stanford Institute for Human-Centered Artificial Intelligence).