Эксперты по нейросетям

Их страсть и преданность своему делу вдохновляют на новые свершения.

Владимир Кривов

Владимир Кривов - активно исследует горизонты искусственного интеллекта и его влияния на будущее. Владимир активно участвует в разработке инновационных решений, которые меняют подход к анализу данных и автоматизации процессов. Его глубокое понимание архитектуры нейронных сетей и их применения в реальных задачах делает его ценным специалистом в этой быстро развивающейся области.

Йошуа Бенгио (Yoshua Bengio)

Йошуа Бенгио - один из основоположников глубокого обучения и искусственного интеллекта. Его исследования в области обучения представлений и генеративных моделей, таких как Variational Autoencoders (VAE), оказали огромное влияние на развитие нейронных сетей и применение их в реальных задачах. Бенгио также активно продвигает этику в области ИИ и работает над тем, чтобы искусственный интеллект приносил пользу обществу.

Ян Лекун (Yann LeCun)

Его работа по распознаванию рукописных цифр с помощью сети LeNet в 1990 е годы заложила основу для большинства современных архитектур глубокого обучения. Лекун также является соавтором работ по генеративно состязательным сетям GAN и активно участвует в разработке теоретических основ ИИ, таких как самообучение и энергетические модели.

Демис Хассабис (Demis Hassabis)

Демис считает что настоящий AGI должен имитировать способы которыми человеческий мозг обрабатывает информацию что позволит машинам не просто выполнять алгоритмические задачи но и проявлять творческий подход в решении проблем Важным аспектом его работы являются этические вопросы связанные с развитием ИИ поскольку он осознает что создание мощного интеллекта ведет к новым вызовам в обществе.

Питер Аббеэль (Pieter Abbeel)

Его исследования охватывают широкий спектр тем включая обучение с подкреплением. Под руководством профессора Аббеэля была создана успешная лаборатория в которой студенты и аспиранты работают над проектами способствующими прогрессу в области ИИ. Питер также является соучредителем нескольких стартапов использующих передовые методы машинного обучения для оптимизации бизнес процессов.

Иен Гудфеллоу (Ian Goodfellow)

Гудфеллоу внес вклад в исследование глубокого обучения, в том числе методов регуляризации. Работая в Google Brain, он участвовал в проектах, направленных на улучшение архитектуры нейронных сетей для более эффективного обучения. Также он стал одним из авторов популярного учебника “Deep Learning”, который до сих пор является основным ресурсом для студентов и исследователей в этой области.

Рэй Курцвейл (Ray Kurzweil)

Одним из ключевых достижений Курцвейла стало изобретение первой в мире системы для распознавания текста и синтеза речи, что позволило слепым людям “читать” напечатанные тексты. Эта технология была революционной для своего времени и положила начало ряду разработок в области ИИ. Курцвейл также создал одно из первых устройств для распознавания речи и музыкальных синтезаторов, которые оказали влияние на индустрию музыки и технологии обработки звука.

Фэй-Фэй Ли (Fei-Fei Li)

Фэй-Фэй Ли известна своей деятельностью по продвижению равенства в науке и технологиях. Она стала одной из первых женщин-исследователей в области ИИ, активно продвигающей идеи инклюзивности и разнообразия в этой области. Ли выступает за более широкое участие женщин и представителей недостаточно представленных групп в науке, в том числе и в области искусственного интеллекта.

Себастьян Трун (Sebastian Thrun)

Себастьян Трун - немецко-американский ученый, известный своими исследованиями в области робототехники и искусственного интеллекта. Он является основателем онлайн-образовательной платформы Udacity и бывшим директором Google X, где он руководил проектом разработки самоуправляемого автомобиля. Трун активно продвигает образование в области ИИ и обучение новых поколений специалистов через свою платформу Udacity.

Сэм Альтман (Sam Altman)

Альтман известен своими инвестициями в технологии будущего, включая проекты в области ядерной энергетики, биотехнологий и космических исследований. Он неоднократно выступал перед законодательными органами и международными организациями, обсуждая важность разработки норм и стандартов для ИИ, чтобы минимизировать риски для общества и предотвратить возможные негативные последствия, такие как усиление социального неравенства или злоупотребление технологиями.