ЯН ЛЕКУН
Ян Лекун (англ. Yann LeCun) — французский и американский учёный в области информатики, основные сферы деятельности — машинное обучение, компьютерное зрение, мобильная робототехника и вычислительная нейробиология. Известен работами по применению нейросетей к задачам оптического распознавания символов и машинного зрения. Один из основных создателей технологии сжатия изображений DjVu (совместно с Леоном Боту и Патриком Хаффнером). Вместе с Леоном Боту создал язык программирования Lush.
Лауреат премии Тьюринга (2018, совместно с Бенжио и Хинтоном за формирование направления глубокого обучения).
Получил докторскую степень по информатике в Университете Пьера и Марии Кюри в 1987 году. В 1988 году начал работать в AT&T Bell Laboratories, где разработал серию методов машинного обучения, в том числе свёрточные нейронные сети. В 1996 году перешёл в исследовательский центр AT&T Labs, где работал над технологией сжатия изображений DjVu. С 2003 года работал в Нью-Йоркском университете. В декабре 2013 года возглавил лабораторию искусственного интеллекта Facebook в Нью-Йорке. По состоянию на 2022 год занимает в корпорации Meta должность вице-президента и ведущего исследователя искусственного интеллекта.
Карьера
Bell Labs
В 1988 году Лекун присоединился к отделу исследований адаптивных систем в AT & T Bell Laboratories в Холмделе, Нью-Джерси, США, возглавляемому Лоуренсом Д. Джакелем, где он разработал ряд новых методов машинного обучения, таких как биологически вдохновленная модель распознавания изображений, называемая сверточными нейронными сетями, методы регуляризации «оптимального повреждения головного мозга«, и метод сетей преобразования графов (аналогичный условному случайному полю), который он разработал. применяется для распознавания рукописного ввода и распознавания текста. Система распознавания банковских чеков, которую он помог разработать, получила широкое распространение в NCR и других компаниях. В конце 1990-х — начале 2000-х годов она считывала более 10% всех чеков в США.
В 1996 году он присоединился к AT&T Labs-Research в качестве руководителя отдела исследований в области обработки изображений, который был частью исследовательской лаборатории Лоуренса Рабинера по обработке речи и изображений, и работал в основном над технологией сжатия изображений DjVu, [19] используемой многими веб-сайтами, в частности Интернет-архивом, для распространения отсканированных документов. Среди его коллег по AT&T были Леон Ботту и Владимир Вапник.
Нью-Йоркский университет
После непродолжительной работы в качестве научного сотрудника Исследовательского института NEC (ныне NEC-Labs America) в Принстоне, штат Нью-Джерси ЛеКун в 2003 году поступил на работу в Нью-Йоркский университет (NYU), где он является профессором компьютерных наук и нейробиологии имени Джейкоба Т. Шварца в Институте математических наук Куранта и Центре нейробиологии. Он также является профессором Инженерной школы Тандон. В Нью-Йоркском университете он в основном работал над моделями на основе энергии для контролируемого и неконтролируемого обучения, изучением признаков для распознавания объектов в компьютерном зрении, и мобильной робототехнике.
В 2012 году он стал директором-основателем Центра науки о данных Нью-Йоркского университета. 9 декабря 2013 года ЛеКун стал первым директором Meta AI Research в Нью-Йорке. и ушёл с поста директора NYU-CDS в начале 2014 года.
В 2013 году он и Йошуа Бенжио стали соучредителями Международной конференции по изучению представлений, на которой был принят процесс открытого рецензирования после публикации, за который он ранее выступал на своём веб-сайте. Он был председателем и организатором «Семинара по изучению», который ежегодно проводился с 1986 по 2012 год в Сноуберде, штат Юта. Он является членом научного консультативного совета Института чистой и прикладной математики при Калифорнийском университете в Лос-Анджелесе. Он является содиректором исследовательской программы «Обучение машин и мозга» (ранее «Нейронные вычисления и адаптивное восприятие») CIFAR.
В 2016 году он был приглашенным профессором компьютерных наук на «Ежегоднике информатики и цифровых наук» в Коллеж де Франс в Париже, где он представил «leçon inaugurale» (инаугурационную лекцию). В 2023 году он был назначен первым профессором компьютерных наук под руководством Джейкоба Т. Шварца в Институте Куранта Нью-Йоркского университета. ЛеКун также является научным консультантом французской исследовательской группы Kyutai, которую финансируют Ксавье Ниль, Родольф Сааде, Эрик Шмидт и другие.[
Кто такой Ян ЛеКун и почему ему стоит верить?
Ян ЛеКун — это настоящий пионер искусственного интеллекта и глава Meta AI. Среди основных его разработок числятся такие, как ИИ-модель I-JEPA, технология сжатия изображений DjVu, язык программирования Lush, а также научно-популярное произведение «Как учится машина» о глубоком обучении нейронных сетей и алгоритмах интеллектуальных сетей.
В 2018 году он получил премию Тьюринга и титул «крестного отца нейронных сетей» вместе со специалистами Джеффри Хингтоном и Йошуа Бенжио.
На сегодняшний день успех Ян ЛеКуна в большей мере продиктован его деятельностью в компании Meta* и научной деятельностью в области искусственного интеллекта и нейросетей. Он выступает главой AI-отдел Facebook и прилагает всевозможные усилия к тому, чтобы помочь современным технологиям выйти за рамки лаборатории к реальному миру.
Программное обеспечение его команды генерирует описания изображений для слепых людей и переводит до 4,5 млрд текстов в день.
А еще — Ян ЛеКун в числе тех экспертов, которые выступают против табуирования современных технологий как непредсказуемых и опасных для общественности явлений и активно высказывается против использования в новостях про нейросети картинки из фильмов, вроде «Терминатора».
Однако успеха ученый достиг далеко не сразу
Для того, чтобы объективно оценить все заслуги ЛеКуна, будет правильно вернуться к самым истокам его деятельности.
В 1980-х годах, во время обучения по специальности инженера-электротехника, у 20-летнего ЛеКуна появляется интерес к врожденному и приобретенному изучению языков. После окончания одного института он сразу же поступает в другой — Университет Пьера и Марии Кюри, а спустя четыре года защищает докторскую диссертацию по специальности компьютерных наук.
Буквально в этот момент он и загорается идеей представления реального мира в виде чисел и кодов, которые, в свою очередь, несут в себе несколько вариаций одного и того же изображения. Избранный профессором путь и приведет его к мировой известности и авторитетности в области цифровых технологий, но об этом позже.
В конце 1980-х молодой на тот момент ЛеКун устраивается в научную лабораторию и принимается за разработки машинного обучения. В 1985-м году под его именем вышла первая научная статья, в которой описывается метод с быстрой настройкой сети. Однако год спустя американцы добиваются в аналогичной идее больших успехов, а на исследование ЛеКуна приводится лишь одна из четырех ссылок.
Один из ключевых моментов его профессиональной деятельности — разработка сверточной нейросети
Ученый отмечал, что в обычных изображениях содержится много избыточной информации, вроде многочисленных пикселей, показывающих один и тот же цвет. В последствии чего ЛеКун разрабатывает такую нейронку, которая нацелена на эффективное распознавание объектов на изображении. В течении десятка лет этот алгоритм постепенно завоевывает признание — сверточная нейросеть впервые начала пользоваться популярностью в банках США. Сейчас на базе этого метода управляется все, начиная беспилотными автомобилями и заканчивая технологией распознавания лиц.
Однако среди научных достижений ученого не только нейросети. Ян ЛеКун занимался исследованием компьютерного зрения, вычислительной нейробиологии, а также мобильной робототехникой и машинным обучением. За его плечами свыше 150 научных статей и публикаций по нейросетям, методам распознавания рукописных текстов, сжатия изображения и многого другого.
В своих исследованиях профессор уделяет особое внимание проблемам, решение которых, по его мнению, откроет намного больше возможностей внедрению ИИ:
— Обучение машин рассуждению. По сути речь идет о возможностях «умных» машин предсказывать действия в недалеком будущем, чтобы устанавливать причины и следствия.
— Обучение «умной» машин планированию в условиях реальной жизни.
— Автономное обучение или, говоря другими словами, обучение машин на минимальном количестве данных или же посредством обратной связи от системы…
—
