Японский ученый и один из основоположников исследований в сфере машинного обучения и искусственного интеллекта Амари Шуничи стал лауреатом Премии Киото. Согласно официальному пресс-релизу, он «провёл новаторские исследования в области искусственных нейронных сетей и стал основателем направления информационной геометрии, изучающей статистические модели с помощью методов дифференциальной геометрии, предложив множество важных теорий. Его вклад как в теорию, так и в практику, оказавший влияние на различные области науки, имеет огромное значение».
10 ноября в Киото (Япония) Амари получит премию, включающую диплом, золотую медаль и денежное вознаграждение в размере 100 миллионов иен (около 700 000 долларов).
Учреждённая в 1984 году фондом Инамори, Премия Киото — это международная награда для «людей, внесших значительный вклад в научное, культурное и духовное развитие человечества». Ежегодно премия вручается в трёх категориях:
Передовые технологии,
Искусство и философия,
Фундаментальные науки (включая чистую математику, рассматриваемую в пятилетнем цикле).
В настоящий момент Амари Шуничи является почетным профессором Университета Тэйкё и почётным научным советником RIKEN. «Я посвятил себя изучению основ информатики с математической точки зрения, особенно сосредоточившись на фундаментальных направлениях, таких как базовые технологии искусственного интеллекта и информационная геометрия. Я бесконечно благодарен, что мои исследования, начатые из личного интереса, получили такое признание благодаря поддержке многих коллег», — сказал ученый.
Ключевые работы
Амари Шуничи провёл новаторские исследования в сферах искусственных нейронных сетей, машинного обучения и информационной геометрии, разработав множество важных теорий. Его работы охватывают:
динамические свойства нейросетей,
теорию обучения,
геометрический анализ статистических моделей,
обработку сигналов.
Эти достижения внесли вклад в развитие искусственного интеллекта. Среди наиболее важных направлений:
Теория адаптивных классификаторов образов. Амари систематизировал механизмы обучения на данных и их адаптивной классификации, заложив основы машинного обучения;
Самоорганизующиеся сети для распознавания образов. Он углубил понимание базовых принципов обучения на моделях нейронных сетей;
Статистико-механический анализ случайных сетей. Амари создал теоретическую модель обработки информации в мозге, повлиявшую на развитие сетей Хопфилда и рекуррентных нейронных сетей, а также на анализ глубокого обучения, формирование памяти и хаотическое поведение;
Теория латерального торможения. Он теоретически объяснил механизм естественного формирования паттернов в нейронной активности, что прояснило обработку сенсорной информации (зрение, осязание) в мозге.
Информационная геометрия и natural gradient
В 1980-х Амари начал изучать статистические модели с позиций дифференциальной геометрии, введя концепцию двойственных связей. Он основоположник информационной геометрии, теории, рассматривающей статистические модели и распределения вероятностей как римановы многообразия и анализирующую их свойства геометрическими методами.
В 1990-х он предложил метод natural gradient, учитывающий геометрию пространства параметров и повышающий эффективность обучения. Этот подход применяется в:
обучении нейросетей,
слепом разделении источников,
байесовском выводе.
Профессор Амари продолжает играть ключевую роль в развитии ИИ, вдохновляя современных исследователей. Его вклад в теорию и практику остаётся фундаментальным для данного направления. Ему 88 лет, но он продолжает активную исследовательскую и преподавательскую деятельность. Амари Шуничи лауреат многочисленных национальных и международных премий.
Основные его публикации:
Amari S (1967) A theory of adaptive pattern classifiers
Amari S (1972) Learning patterns and pattern sequences by self-organizing nets of threshold elements.
Amari S (1972) Characteristics of random nets of analog neuron-like elements.
Amari S (1977) Dynamics of pattern formation in lateral-inhibition type neural fields.
Amari S (1982). Differential geometry of curved exponential families-curvatures and information loss.
Amari S, Cichocki A, & Yang HH (1995) A new learning algorithm for blind signal separation.
Amari S (1998) Natural gradient works efficiently in learning.
Amari S & Nagaoka H (2000) Methods of information geometry
О сервисе Онлайн патент:
Онлайн Патент — цифровая система №1 в рейтинге Роспатента. С 2013 года мы создаем уникальные LegalTech-решения для защиты и управления интеллектуальной собственностью. Зарегистрируйтесь в сервисе Онлайн-Патент и получите доступ к следующим услугам:
Онлайн-регистрация программ, патентов на изобретение, товарных знаков, промышленного дизайна;
Подача заявки на внесение в реестр отечественного ПО;
Поиск по программам;
Регистрация программы в Роспатенте;
Опции ускоренного оформления услуг;
Бесплатный поиск по базам патентов, программ, товарных знаков;
Мониторинги новых заявок по критериям;
Онлайн-поддержку специалистов.
Источник: habr.com
