在过去的十年里,人工智能经历了一次又一次的突破,从计算机视觉到语音识别、蛋白质折叠预测等等。

其中许多进展都依赖于我们的嘉宾Geoff Hinton所做的深度学习工作,他从根本上改变了该领域的焦点和方向。作为图灵奖(相当于计算机科学领域的诺贝尔奖)的获得者,他的研究被引用超过50万次。

Hinton花了大约半个世纪的时间研究深度学习,大部分时间都是相对默默无闻的研究。但在2012年,这一切都改变了,Hinton和他的学生们证明,深度学习在图像识别方面比任何其他计算机视觉方法都要好,而且差距非常大。那个结果,那个时刻,被称为ImageNet时刻,改变了整个人工智能领域。几乎所有人都放下手头的工作,转向深度学习。

Geoff和Pieter在我们的两集季终集中进行了广泛的讨论,灵感来自Hinton从学术界到谷歌大脑的旅程。这一集讲述了现有的神经网络和反向传播模型如何与大脑实际工作方式不同;睡觉的目的;以及为什么种植电脑比制造电脑更好。

成为VIP会员查看完整内容
26

相关内容

Geoff Hinton是英国出生的加拿大计算机学家和心理学家,多伦多大学教授。以其在类神经网络方面的贡献闻名。辛顿是反向传播算法和对比散度算法的发明人之一,也是深度学习的积极推动者,被誉为“深度学习之父”。辛顿因在深度学习方面的贡献与约书亚·本希奥和杨立昆一同被授予了2018年的图灵奖。
周志华教授:关于深度学习的一点思考
专知会员服务
121+阅读 · 2021年11月23日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
93+阅读 · 2020年10月18日
清华大学《人工智能》书籍教学课件开放下载
专知会员服务
137+阅读 · 2020年7月27日
Yoshua Bengio最新《深度学习》MLSS2020教程,附104页PPT及视频
专知会员服务
126+阅读 · 2020年7月10日
Hinton号召AI革命:重头再来;李飞飞等赞成:深度学习不是唯一
【干货】Yann Lecun自监督学习指南(附114页Slides全文)
GAN生成式对抗网络
93+阅读 · 2018年12月19日
国家自然科学基金
22+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
7+阅读 · 2009年12月31日
Arxiv
14+阅读 · 2020年12月17日
Arxiv
17+阅读 · 2020年11月15日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
21+阅读 · 2018年8月30日
VIP会员
相关基金
国家自然科学基金
22+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
7+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员