Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Geoffrey Hinton e Yann LeCun, conferenza ACM AM Turing Award 2018 "The Deep Learning Revolution"
Geoffrey Hinton e Yann LeCun, conferenza ACM AM Turing Award 2018 "The Deep Learning Revolution"
Geoffrey Hinton e Yann LeCun hanno vinto l'ACM AM Turing Award 2018 e hanno tenuto una conferenza sulla rivoluzione del deep learning.
Durante la conferenza, hanno discusso di come il deep learning abbia rivoluzionato l'informatica e di come possa essere utilizzato a vantaggio di vari aspetti della vita. Hanno anche parlato delle sfide del deep learning e del futuro del settore.
Hanno notato che mentre la comprensione teorica dell'apprendimento profondo è importante, spetta ancora agli esseri umani prendere decisioni in situazioni complesse. Hanno anche discusso del potenziale del calcolo evolutivo e di altre forme di intelligenza artificiale nella guida autonoma.
Questo genio canadese ha creato l'IA moderna
Questo genio canadese ha creato l'IA moderna
Geoff Hinton, un pioniere dell'intelligenza artificiale, lavora da quasi 40 anni per far sì che i computer apprendano come gli esseri umani e ha rivoluzionato il campo dell'intelligenza artificiale. Hinton è stato ispirato dal perceptron di Frank Rosenblatt, una rete neurale che imita il cervello, sviluppata negli anni '50. La determinazione di Hinton ha portato a una svolta nel campo dell'IA. A metà degli anni '80, Hinton e i suoi collaboratori hanno creato una rete neurale a più livelli, una rete neurale profonda, che ha iniziato a funzionare in molti modi. Tuttavia, mancavano dei dati e della potenza di calcolo necessari fino al 2006 circa, quando chip superveloci e enormi quantità di dati prodotti su Internet hanno dato agli algoritmi di Hinton una spinta magica: i computer potevano identificare cosa c'era in un'immagine, riconoscere il parlato e tradurre le lingue. Nel 2012, il Canada è diventato una superpotenza dell'IA e le reti neurali e l'apprendimento automatico sono apparsi sulla prima pagina del New York Times.
Geoffrey Hinton: I fondamenti dell'apprendimento profondo
Geoffrey Hinton: I fondamenti dell'apprendimento profondo
Il padrino dell'intelligenza artificiale Geoffrey Hinton offre una panoramica delle basi del deep learning. In questo discorso, Hinton analizza i progressi delle reti neurali, applicati al riconoscimento vocale e degli oggetti, alla segmentazione delle immagini e alla lettura o alla generazione di un linguaggio scritto naturale.
Geoffrey Hinton discute le basi del deep learning, in particolare l'algoritmo di backpropagation e la sua evoluzione. Hinton spiega in che modo il deep learning ha influito sul riconoscimento precoce della grafia e alla fine ha portato alla vittoria del concorso ImageNet 2012. Sottolinea inoltre la superiorità dell'apprendimento profondo utilizzando vettori di attività neurale rispetto alla tradizionale intelligenza artificiale simbolica che utilizzava gli stessi simboli in input, output e nel mezzo. Vengono discussi i miglioramenti nei sistemi di traduzione automatica, il riconoscimento delle immagini e la loro combinazione per il ragionamento naturale, insieme al potenziale dell'apprendimento profondo nell'interpretazione delle immagini mediche. Hinton conclude evidenziando la necessità di reti neurali con parametri paragonabili al cervello umano per ottenere una vera elaborazione del linguaggio naturale.
Heroes of Deep Learning: Andrew Ng intervista Geoffrey Hinton
Heroes of Deep Learning: Andrew Ng intervista Geoffrey Hinton
Geoffrey Hinton, una figura di spicco nel deep learning, ha discusso del suo viaggio e dei contributi sul campo in un'intervista con Andrew Ng. Parla delle origini dell'incorporamento di parole, degli sviluppi limitati delle macchine Boltzmann e del suo recente lavoro su pesi e capsule veloci. Hinton rileva il ruolo cruciale dell'apprendimento senza supervisione nei progressi del deep learning e consiglia agli studenti di leggere ampiamente, lavorare su progetti su larga scala e trovare consulenti con interessi simili. Hinton ritiene che si stia verificando un cambiamento significativo nell'informatica, dove i computer imparano mostrando, e avverte che le università devono mettersi al passo con l'industria nella formazione dei ricercatori per questo nuovo approccio.
Heroes of Deep Learning: Andrew Ng intervista Yann LeCun
Heroes of Deep Learning: Andrew Ng intervista Yann LeCun
In questa intervista tra Andrew Ng e Yann LeCun, LeCun parla del suo primo interesse per l'intelligenza artificiale e la scoperta delle reti neurali. Descrive anche il suo lavoro sulle reti neurali convoluzionali e la storia dietro le CNN. LeCun parla di come ha persistito nel campo, nonostante la mancanza di interesse per le reti neurali a metà degli anni '90, e alla fine il suo lavoro sulle CNN ha preso il sopravvento nel campo della visione artificiale. Discute anche del momento decisivo nella visione artificiale quando il team AlexNet ha vinto il concorso ImageNet 2012 e consiglia a coloro che cercano una carriera nell'intelligenza artificiale e nell'apprendimento automatico di rendersi utili contribuendo a progetti open source o implementando algoritmi.
Heroes of Deep Learning: Andrew Ng intervista Ian Goodfellow
Heroes of Deep Learning: Andrew Ng intervista Ian Goodfellow
In un'intervista con Andrew Ng, Ian Goodfellow parla della sua passione per il deep learning e di come si è interessato al campo mentre studiava a Stanford. Goodfellow discute la sua invenzione delle reti generative avversarie (GAN) e il loro potenziale nell'apprendimento profondo, sottolineando anche la necessità di rendere le GAN più affidabili. Riflette su come il suo pensiero sull'intelligenza artificiale e sul deep learning si sia evoluto nel corso degli anni, dal semplice far funzionare la tecnologia per le attività relative all'IA all'esplorazione del pieno potenziale dei modelli di deep learning. Goodfellow condivide anche consigli per coloro che vogliono essere coinvolti nell'intelligenza artificiale, affermando che scrivere un buon codice e creare sicurezza negli algoritmi di apprendimento automatico fin dall'inizio sono fondamentali.
Heroes of Deep Learning: Andrew Ng intervista Andrej Karpathy
Heroes of Deep Learning: Andrew Ng intervista Andrej Karpathy
In un'intervista con Andrew Ng, Andrej Karpathy discute la sua introduzione al deep learning attraverso una lezione con Geoff Hinton e come è diventato il punto di riferimento umano per il concorso di classificazione delle immagini ImageNet. Parla dei risultati sorprendenti quando le reti profonde del software hanno superato le sue prestazioni e ha deciso di insegnarlo agli altri attraverso la creazione di un corso online. Karpathy discute anche del futuro dell'IA e di come il campo si dividerà probabilmente in due traiettorie: AI applicata e AGI. Consiglia a coloro che vogliono entrare nel campo del deep learning di costruire una piena comprensione dell'intero stack implementando tutto da zero.
Heroes of Deep Learning: Andrew Ng intervista il direttore della ricerca AI di Apple, Ruslan Salakhutdinov
Heroes of Deep Learning: Andrew Ng intervista il direttore della ricerca AI di Apple, Ruslan Salakhutdinov
Ruslan Salakhutdinov, Director of AI Research di Apple, parla dell'evoluzione del deep learning, delle sfide nella formazione di modelli generativi e dell'apprendimento non supervisionato e delle entusiasmanti frontiere della ricerca sul deep learning. Incoraggia inoltre i ricercatori a esplorare metodi diversi e a non aver paura di innovare.
Salakhutdinov sottolinea l'importanza di costruire sistemi basati sul dialogo e in grado di leggere il testo in modo intelligente, e l'obiettivo finale di raggiungere capacità di apprendimento più simili a quelle umane.
Heroes of Deep Learning: Andrew Ng intervista Yoshua Bengio
Heroes of Deep Learning: Andrew Ng intervista Yoshua Bengio
Andrew Ng intervista Yoshua Bengio e discutono di vari argomenti relativi al deep learning. Bengio spiega come è entrato nel deep learning e come si è evoluto il suo pensiero sulle reti neurali. Discute anche i suoi contributi allo sviluppo di incorporamenti di parole per sequenze di parole e deep learning con pile di codificatori automatici. Inoltre, Bengio sottolinea l'importanza dell'apprendimento senza supervisione e il suo interesse a comprendere la relazione tra apprendimento profondo e cervello.
Bengio sottolinea la necessità di comprendere la scienza del deep learning e una ricerca adeguata per affrontare le grandi sfide. Infine, si concentrano sulla necessità di una solida conoscenza di base della matematica per una carriera nell'apprendimento profondo e sull'importanza della formazione continua.
Heroes of Deep Learning: Andrew Ng intervista Pieter Abbeel
Pieter Abbeel discute le sfide e il potenziale dell'apprendimento profondo per rinforzo in questa intervista con Andrew Ng. Rileva la necessità di ulteriore lavoro nell'esplorazione, nell'assegnazione di crediti e nella generazione di esempi negativi. Abbeel sottolinea anche i problemi di sicurezza e l'importanza di raccogliere dati di apprendimento sicuri quando si insegna ai robot a vivere in modo autonomo. Consiglia alle persone di proseguire la pratica pratica con framework popolari e suggerisce i vantaggi di ricevere tutoraggio da professionisti esperti. Inoltre, suggerisce la necessità dell'apprendimento per rinforzo nel dare alle macchine obiettivi di raggiungimento e rileva l'importanza della clonazione comportamentale e dell'apprendimento supervisionato prima di aggiungere la componente dell'apprendimento per rinforzo.