DeepMind の CEO 兼共同創設者である Demis Hassabis 博士が、AI を使用して科学的発見を加速するようになった彼のキャリア ジャーニーについて語ります。 DeepMind は、経験から直接第一原理を学習し、深層学習または深層ニューラル ネットワークと強化学習を融合する一般的な学習システムの構築に重点を置いています。ハサビス博士は、AlphaGo と AlphaZero がどのように AI を使用して科学的発見を加速し、AlphaFold がタンパク質の 3D 構造を予測できるかについて説明します。 AlphaFold 2 システムは原子精度に達し、平均で 1 オングストローム未満の誤差のスコアを達成し、世界中の何百もの論文やアプリケーションで使用されています。
また、生物学の分野、特に創薬分野に革命を起こす AI の可能性についても説明しています。彼は、責任を持って AI を構築し、科学的手法を使用してリスクと利益を管理することの重要性を強調しています。 Hassabis 博士は、神経科学、意識、自由意志における AI の使用に関連する倫理的懸念にも対処し、哲学者、倫理学者、人文科学が関与する学際的なアプローチの必要性を強調しています。彼は、AI が仮想シミュレーションを通じて道徳と政治学の分野に貢献できると信じていますが、人間とその動機の複雑さを認めています。最後に、Hassabis 博士は、人工ニューラル ネットワークを研究する上での課題と、今後 10 年間でこれらのシステムをよりよく理解する必要性について説明します。
00:00:00 このセクションでは、DeepMind の CEO 兼共同創設者である Demis Hassabis 博士が、AI を使用して科学的発見を加速するようになった彼のキャリア ジャーニーについて話します。彼は、これまでで最も有益なテクノロジの 1 つとして AI の可能性を表現していますが、重大な倫理的問題を考慮することの重要性を指摘しています。 Hassabis 博士は、50 年にわたるタンパク質構造予測のグランド チャレンジの解決に成功した AlphaFold システムなど、一般的な学習システムの構築に重点を置いている DeepMind について話します。彼は、現実世界、特に科学的発見の分野で重要な問題を解決するために AI を使用する可能性を強調しています。
01:25:00 このセクションでは、Demis Hassabis 博士が、人間とその動機の複雑さを引き合いに出し、道徳と政治学の領域に AI が関与することの難しさを認めています。しかし、彼は AI が何百万ものエージェントによる仮想シミュレーションの作成を通じてこれらの分野に貢献できると信じており、ライブ実装の結果なしにさまざまな政治システムと経済モデルの実験とテストを可能にします。彼は、脳の理解において神経科学がどのように進歩したかに匹敵するように、AI の不透明性を減らし、透明性を高めることの重要性を強調しています。
Demis Hassabis, Co-founder and CEO of DeepMind, delivers a major public lecture at the Sheldonian Theatre in Oxford on Tuesday 17 May 2022.The past decade ha...
We are pleased to announce that Geoffrey Hinton and Yann LeCun will deliver the Turing Lecture at FCRC. Hinton's talk, entitled, "The Deep Learning Revoluti...
For nearly 40 years, Geoff Hinton has been trying to get computers to learn like people do, a quest almost everyone thought was crazy or at least hopeless - ...
Godfather of artificial intelligence Geoffrey Hinton gives an overview of the foundations of deep learning. In this talk, Hinton breaks down the advances of ...
深層学習の第一人者である Geoffrey Hinton は、Andrew Ng とのインタビューで、彼の旅とこの分野への貢献について話しました。彼は、単語埋め込みの起源、制限されたボルツマン マシンの開発、および高速ウェイトとカプセルに関する最近の研究について語っています。ヒントンは、深層学習の進歩における教師なし学習の重要な役割を指摘し、学習者に広く読んで、大規模なプロジェクトに取り組み、同じような興味を持つアドバイザーを見つけるようにアドバイスしています。ヒントンは、コンピュータが示すことによって学習するコンピューティングに大きな変化が起こっていると考えており、大学はこの新しいアプローチのために研究者を訓練する際に業界に追いつく必要があると警告しています.
00:00:00 Geoffrey Hinton が AI と機械学習に興味を持った経緯について語っています。高校時代、友人からホログラムを使った脳のアイデアを紹介され、脳がどのように記憶を保存するかに興味を持つようになりました。彼は大学で生理学と物理学を学びましたが、脳の機能を説明するには心理学が不十分であることに気づき、心理学に切り替えました。大工になるために休暇を取った後、彼はエジンバラに行き、当時ニューラル ネットワークに懐疑的だった Longer Higgins と共に AI を研究しました。ヒントンは最終的に AI の博士号を取得し、カリフォルニアに行きました。カリフォルニアでは、脳の働きについて考えることが前向きなことと見なされていました。彼は、1986 年に公開されたバックプロパゲーション アルゴリズムで David Rumelhart と協力し、最終的にコミュニティがアルゴリズムを受け入れるのを助けました。
Ian Goodfellow は Andrew Ng とのインタビューで、深層学習への情熱と、スタンフォード大学で勉強しているときにこの分野に興味を持った経緯について語っています。 Goodfellow は、敵対的生成ネットワーク (GAN) の彼の発明と、深層学習におけるその可能性について議論し、GAN の信頼性を高める必要性も強調しています。彼は、AI とディープ ラーニングに関する彼の考え方が、AI 関連のタスクでテクノロジを機能させることから、ディープ ラーニング モデルの可能性を最大限に探求することまで、何年にもわたってどのように進化してきたかを振り返ります。 Goodfellow はまた、AI に参加したい人へのアドバイスを共有し、最初から優れたコードを記述し、機械学習アルゴリズムにセキュリティを組み込むことが重要であると述べています。
00:00:00 このセクションでは、Ian Goodfellow が、スタンフォード大学の学部のアドバイザーと Andrew Ng のインターネット AI クラスのおかげで、AI とディープ ラーニングの分野に興味を持つようになった経緯について説明します。彼は、彼と友人がスタンフォード大学で最初の GPU CUDA ベースのマシンの 1 つをどのように構築したか、そしてこれがどのようにして深層学習が将来進むべき道であるという彼の強い直感につながったかを説明しています。 Goodfellow は、GAN の発明と、生成モデルの研究中にどのように概念を思いついたかについて話します。最後に、彼は AI 研究へのコミットメントを再確認した個人的な経験を振り返ります。
Apple の AI リサーチ ディレクターである Ruslan Salakhutdinov が、ディープラーニングの進化、生成モデルのトレーニングと教師なし学習における課題、ディープラーニング研究のエキサイティングな最前線について説明します。彼はまた、研究者にさまざまな方法を探求し、革新を恐れないように勧めています。 Salakhutdinov は、対話ベースのシステムとテキストを知的に読むことができるシステムを構築することの重要性と、より人間らしい学習能力を達成するという最終目標を強調しています。
00:10:00 このセクションでは、Apple の AI リサーチ ディレクターである Ruslan Salakhutdinov が、機械学習でラベル付けされていない大量のデータを利用する際の課題と、この分野に参入したい人へのアドバイスについて説明します。彼と彼のチームがニューラル ネットワークで非常に非凸型のシステムを最適化するという困難な問題にどのように取り組んだかの 1 つの例を挙げて、彼は研究者にさまざまな方法を試し、革新を恐れないように勧めています。 Salakhutdinov はまた、深層学習の分野で博士号を取得することと企業に入社することの長所と短所についても議論し、学界と産業界の両方が研究開発のためのエキサイティングな機会を提供していることを強調しています。
00:15:00 このセクションでは、Ruslan Salakhutdinov が深層学習研究のエキサイティングな最前線、特に深層強化学習、推論、自然言語理解、少ない例からの学習などの分野について説明します。彼は、仮想世界での AI のトレーニングには多くの進歩があり、現在の課題は、これらのシステムのスケーリング、新しいアルゴリズムの開発、および AI エージェントの相互通信にあると述べています。さらに、彼は、対話ベースのシステムと、テキストを知的に読むことができるシステムを構築することの重要性を強調しています。最後に、彼はより人間らしい学習能力を達成するという目標に言及しています。
Demis Hassabis 博士: AI を使用して科学的発見を加速する
DeepMind の共同創設者兼 CEO は、2022 年 5 月 17 日火曜日にオックスフォードのシェルドニアン シアターで大規模な公開講演を行います。
Demis Hassabis 博士: AI を使用して科学的発見を加速する
DeepMind の CEO 兼共同創設者である Demis Hassabis 博士が、AI を使用して科学的発見を加速するようになった彼のキャリア ジャーニーについて語ります。 DeepMind は、経験から直接第一原理を学習し、深層学習または深層ニューラル ネットワークと強化学習を融合する一般的な学習システムの構築に重点を置いています。ハサビス博士は、AlphaGo と AlphaZero がどのように AI を使用して科学的発見を加速し、AlphaFold がタンパク質の 3D 構造を予測できるかについて説明します。 AlphaFold 2 システムは原子精度に達し、平均で 1 オングストローム未満の誤差のスコアを達成し、世界中の何百もの論文やアプリケーションで使用されています。
また、生物学の分野、特に創薬分野に革命を起こす AI の可能性についても説明しています。彼は、責任を持って AI を構築し、科学的手法を使用してリスクと利益を管理することの重要性を強調しています。 Hassabis 博士は、神経科学、意識、自由意志における AI の使用に関連する倫理的懸念にも対処し、哲学者、倫理学者、人文科学が関与する学際的なアプローチの必要性を強調しています。彼は、AI が仮想シミュレーションを通じて道徳と政治学の分野に貢献できると信じていますが、人間とその動機の複雑さを認めています。最後に、Hassabis 博士は、人工ニューラル ネットワークを研究する上での課題と、今後 10 年間でこれらのシステムをよりよく理解する必要性について説明します。
Geoffrey Hinton と Yann LeCun、2018 ACM AM Turing Award レクチャー「The Deep Learning Revolution」
Geoffrey Hinton と Yann LeCun、2018 ACM AM Turing Award レクチャー「The Deep Learning Revolution」
Geoffrey Hinton と Yann LeCun は、2018 ACM AM Turing Award を受賞し、深層学習革命に関する講演を行いました。
講義では、深層学習がコンピューター サイエンスにどのように革命をもたらしたか、そして深層学習を生活のさまざまな側面に役立てる方法について説明しました。彼らはまた、深層学習の課題とこの分野の将来についても話しました。
彼らは、深層学習の理論的理解が重要である一方で、複雑な状況で決定を下すのは人間次第であると指摘しました.また、自動運転における進化的計算やその他の形態の人工知能の可能性についても議論しました。
このカナダの天才は現代の AI を作成しました
このカナダの天才は現代の AI を作成しました
AI のパイオニアである Geoff Hinton は、コンピューターが人間のように学習できるようにすることに 40 年近く取り組んできており、人工知能の分野に革命をもたらしました。ヒントンは、1950 年代に開発された脳を模倣するニューラル ネットワークであるフランク ローゼンブラットのパーセプトロンに触発されました。ヒントンの決意は、AI の分野にブレークスルーをもたらしました。 80 年代半ばに、ヒントンと彼の共同研究者は多層ニューラル ネットワーク、つまりディープ ニューラル ネットワークを作成し、さまざまな方法で機能し始めました。しかし、超高速チップとインターネット上で生成された大量のデータがヒントンのアルゴリズムに魔法のような後押しを与えた 2006 年頃まで、必要なデータと計算能力が不足していました。コンピューターは画像に含まれるものを識別し、音声を認識し、言語を翻訳することができました。 2012 年までに、カナダは AI 超大国となり、ニュー ヨーク タイムズの一面でニューラル ネットワークと機械学習が取り上げられました。
Geoffrey Hinton: ディープラーニングの基礎
Geoffrey Hinton: ディープラーニングの基礎
人工知能のゴッドファーザーである Geoffrey Hinton が、ディープ ラーニングの基礎について概説します。このトークでは、Hinton がニューラル ネットワークの進歩を分析し、音声とオブジェクトの認識、画像のセグメンテーション、自然な書き言葉の読み取りまたは生成に適用されます。
Geoffrey Hinton が、深層学習の基礎、特に逆伝播アルゴリズムとその進化について説明します。 Hinton は、深層学習が初期の手書き認識にどのように影響し、最終的に 2012 年の ImageNet コンテストで優勝したかを説明しています。彼はまた、入力、出力、および中間で同じシンボルを使用する従来のシンボリック AI よりも、神経活動のベクトルを使用するディープ ラーニングの優位性を強調しています。機械翻訳システム、画像認識、および自然な推論のためのそれらの組み合わせの改善について、医療画像の解釈におけるディープ ラーニングの可能性とともに説明します。ヒントンは、真の自然言語処理を実現するために、人間の脳に匹敵するパラメータを持つニューラル ネットワークの必要性を強調して締めくくりました。
ディープラーニングの英雄: Andrew Ng が Geoffrey Hinton にインタビュー
ディープラーニングの英雄: Andrew Ng が Geoffrey Hinton にインタビュー
深層学習の第一人者である Geoffrey Hinton は、Andrew Ng とのインタビューで、彼の旅とこの分野への貢献について話しました。彼は、単語埋め込みの起源、制限されたボルツマン マシンの開発、および高速ウェイトとカプセルに関する最近の研究について語っています。ヒントンは、深層学習の進歩における教師なし学習の重要な役割を指摘し、学習者に広く読んで、大規模なプロジェクトに取り組み、同じような興味を持つアドバイザーを見つけるようにアドバイスしています。ヒントンは、コンピュータが示すことによって学習するコンピューティングに大きな変化が起こっていると考えており、大学はこの新しいアプローチのために研究者を訓練する際に業界に追いつく必要があると警告しています.
ディープラーニングの英雄: Andrew Ng が Yann LeCun にインタビュー
ディープラーニングの英雄: Andrew Ng が Yann LeCun にインタビュー
Andrew Ng と Yann LeCun によるこのインタビューで、LeCun は AI への初期の関心とニューラル ネットワークの発見について語っています。また、畳み込みニューラル ネットワークに関する自身の研究と CNN の背後にある歴史についても説明しています。
LeCun は、90 年代半ばにニューラル ネットワークに関心がなかったにもかかわらず、この分野に固執し、最終的に CNN に関する彼の研究がコンピューター ビジョンの分野を引き継いだことについて語っています。また、AlexNet チームが 2012 年の ImageNet コンペティションで優勝したときのコンピューター ビジョンの決定的な瞬間についても説明し、AI と機械学習のキャリアを目指す人には、オープンソース プロジェクトに貢献したり、アルゴリズムを実装したりすることで、役に立つようになるようアドバイスしています。
ディープラーニングの英雄: Andrew Ng が Ian Goodfellow にインタビュー
ディープラーニングの英雄: Andrew Ng が Ian Goodfellow にインタビュー
Ian Goodfellow は Andrew Ng とのインタビューで、深層学習への情熱と、スタンフォード大学で勉強しているときにこの分野に興味を持った経緯について語っています。 Goodfellow は、敵対的生成ネットワーク (GAN) の彼の発明と、深層学習におけるその可能性について議論し、GAN の信頼性を高める必要性も強調しています。彼は、AI とディープ ラーニングに関する彼の考え方が、AI 関連のタスクでテクノロジを機能させることから、ディープ ラーニング モデルの可能性を最大限に探求することまで、何年にもわたってどのように進化してきたかを振り返ります。 Goodfellow はまた、AI に参加したい人へのアドバイスを共有し、最初から優れたコードを記述し、機械学習アルゴリズムにセキュリティを組み込むことが重要であると述べています。
ディープラーニングの英雄: アンドリュー・ングがアンドレイ・カルパシーにインタビュー
ディープラーニングの英雄: アンドリュー・ングがアンドレイ・カルパシーにインタビュー
Andrej Karpathy は、Andrew Ng とのインタビューで、Geoff Hinton のクラスを通じてディープ ラーニングを紹介し、ImageNet 画像分類コンテストの人間のベンチマークになった経緯について説明しています。彼は、ソフトウェア ディープ ネットが彼のパフォーマンスを上回り、オンライン コースの作成を通じてそれについて他の人に教えることにしたときの驚くべき結果について語っています。 Karpathy はまた、AI の将来と、この分野が応用 AI と AGI という 2 つの軌道にどのように分かれるかについても説明します。彼は、深層学習の分野に参入したい人に、すべてをゼロから実装することで、スタック全体を完全に理解するようアドバイスしています。
ディープラーニングの英雄: Andrew Ng が、Apple の AI リサーチ担当ディレクター、Ruslan Salakhutdinov にインタビュー
ディープラーニングの英雄: Andrew Ng が、Apple の AI リサーチ担当ディレクター、Ruslan Salakhutdinov にインタビュー
Apple の AI リサーチ ディレクターである Ruslan Salakhutdinov が、ディープラーニングの進化、生成モデルのトレーニングと教師なし学習における課題、ディープラーニング研究のエキサイティングな最前線について説明します。彼はまた、研究者にさまざまな方法を探求し、革新を恐れないように勧めています。
Salakhutdinov は、対話ベースのシステムとテキストを知的に読むことができるシステムを構築することの重要性と、より人間らしい学習能力を達成するという最終目標を強調しています。
ディープラーニングの英雄: Andrew Ng が Yoshua Bengio にインタビュー
ディープラーニングの英雄: Andrew Ng が Yoshua Bengio にインタビュー
Andrew Ng が Yoshua Bengio にインタビューし、深層学習に関連するさまざまなトピックについて話し合います。 Bengio は、どのようにしてディープ ラーニングを始めたのか、ニューラル ネットワークについての彼の考え方がどのように進化したのかを説明しています。彼はまた、一連の単語の単語埋め込みの開発と、オートエンコーダーのスタックを使用したディープ ラーニングへの貢献についても説明しています。さらに、ベンジオは教師なし学習の重要性と、深層学習と脳の関係を理解することへの関心を強調しています。
Bengio は、大きな課題に取り組むためには、深層学習の科学と適切な研究を理解する必要があることを強調しています。最後に、深層学習でキャリアを積むには数学の強力な基礎知識が必要であり、継続的な教育の重要性に焦点を当てています。