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

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:

Учёные-предприниматели

Джеффри Хинтон

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

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

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

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

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

Учёные-исследователи

Йо-Хо 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.

Тунг-Куан Лиу

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.

Майкл Ирвин Джордан

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.

Учёные-консультанты

Ник Бостром

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

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

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).

Если наша эпоха — это следующая промышленная революция, как многие считают, то искусственный интеллект — одна из её движущих сил.

Фей-Фей Ли
0
21 комментарий
Написать комментарий...
Гарри Галлер

Статья кайфули

Ответить
Развернуть ветку
Роман Романов

Йо-хо-хо и Феи.

Ответить
Развернуть ветку
Аккаунт удален

Комментарий недоступен

Ответить
Развернуть ветку
Тимофей Южаков

Ну это все-таки самые крутые в России. Хотя было бы интересно посмотреть на такой же список Русских ученых, у нас их достаточно много.

Ответить
Развернуть ветку
Heisenberg

где Андрей Карпатый?

Ответить
Развернуть ветку
Boris Zubarev

там же где Суцкевер, Салахутдинов, Гудфеллоу, Дин, Хассабис, Легг, Мэннинг и другие

Ответить
Развернуть ветку
SocialWarrior

а где червоненкис ?

Ответить
Развернуть ветку
Dmitry Frolov

«Скрытое выделение Дирихле (LDA)» - такого чуда я еще не видел. Авторы, поправьте, пожалуйста: по-русски этот метод зовется скрытым (иногда - латентным) размещением Дирихле.

Ответить
Развернуть ветку
Вадим Скворцов

Спасибо, поправили! В следующий раз можете использовать сочетание клавиш Ctrl + Enter

Ответить
Развернуть ветку
Роман Романов

На телефоне-то?

Ответить
Развернуть ветку
Pavel Dubrovskiy

А где Юдовский?

Ответить
Развернуть ветку
Сергей Михайленко

Спасибо за прекрасный обзорный материал!
Структура и качество излагаемой информации на высочайшем уровне!

Ответить
Развернуть ветку
Fil Makarov

В цитате Ле Куна речь об обучении с учителем и без, а не "без присмотра".

Ответить
Развернуть ветку
Alexey Ivanov

всегда завидовал ученым.

Ответить
Развернуть ветку
Роман Романов

Что им не приходится пахать на заводе?

Ответить
Развернуть ветку
Alexey Ivanov

это искренний бред или шутка за 100?

Ответить
Развернуть ветку
Роман Романов

Что они такие умные?

Ответить
Развернуть ветку
Валерий Артёмов

Дай Бог здовровья этим людям

Ответить
Развернуть ветку
Artem Fedoskin

Очень плохо воспринимаются названия статей, хотя учусь на аналитика данных. Некоторые вещи лучше оставлять на английском)

Ответить
Развернуть ветку
Денис Мамаев

Спасибо!

Ответить
Развернуть ветку
Василий Силин

Френч выдают за особые заслуги в этой сфере?

Ответить
Развернуть ветку
18 комментариев
Раскрывать всегда