資訊專欄INFORMATION COLUMN
摘要：據(jù)報(bào)道，生成對抗網(wǎng)絡(luò)的創(chuàng)造者，前谷歌大腦著名科學(xué)家剛剛正式宣布加盟蘋果。他將在蘋果公司領(lǐng)導(dǎo)一個機(jī)器學(xué)習(xí)特殊項(xiàng)目組。在加盟蘋果后會帶來哪些新的技術(shù)突破或許我們很快就會看到了。
據(jù) CNBC 報(bào)道，生成對抗網(wǎng)絡(luò)（GAN）的創(chuàng)造者，前谷歌大腦著名科學(xué)家 Ian Goodfellow 剛剛正式宣布加盟蘋果。他將在蘋果公司領(lǐng)導(dǎo)一個「機(jī)器學(xué)習(xí)特殊項(xiàng)目組」。
雖然蘋果此前已經(jīng)縮小了自動駕駛汽車研究的規(guī)模，但 Ian Goodfellow 等人的加盟似乎意味著這家公司在人工智能軍備競賽中的投入不減反增。
目前，Ian Goodfellow 的 LinkedIn 賬戶已經(jīng)更新了最近的跳槽活動：
「我在蘋果公司領(lǐng)導(dǎo)一個機(jī)器學(xué)習(xí)特殊任務(wù)群組?！笹oodfellow 寫道。
在回歸谷歌之前，Ian Goodfellow 在另一家著名人工智能研究機(jī)構(gòu) OpenAI 工作。后者是一個人工智能研究聯(lián)盟，最初由埃隆·馬斯克（Elon Musk）和其他科技名人出資創(chuàng)建。Ian Goodfellow 是生成對抗網(wǎng)絡(luò)（GAN）之父，他的著作在 AI 領(lǐng)域廣為引用。
Goodfellow 是谷歌在過去的 12 個月里被蘋果挖走的第二位 AI 人才，是后者加強(qiáng)其 AI 戰(zhàn)略的結(jié)果。前谷歌 AI 主管 John Giannandrea 也加入了蘋果，擔(dān)任蘋果的機(jī)器學(xué)習(xí)和人工智能戰(zhàn)略高級副總裁，監(jiān)管所有人工智能和機(jī)器學(xué)習(xí)開發(fā)，包括 Core ML 和 Siri 技術(shù)。Giannandrea 和 Goodfellow 以前在谷歌一起工作，Goodfellow 似乎是 Giannandrea 出任蘋果高管后精挑細(xì)選的人。
Goodfellow 最突出的貢獻(xiàn)是其在 2014 年提出了生成對抗網(wǎng)絡(luò)（GAN）。GAN 包含兩種神經(jīng)網(wǎng)絡(luò)：創(chuàng)造新數(shù)據(jù)實(shí)例的生成器和區(qū)分由生成器從真實(shí)數(shù)據(jù)中創(chuàng)建假數(shù)據(jù)的判別器。這兩種神經(jīng)網(wǎng)絡(luò)通過越來越逼真的假數(shù)據(jù)來挑戰(zhàn)彼此，優(yōu)化自己的策略，直至生成數(shù)據(jù)與真實(shí)數(shù)據(jù)難以區(qū)分。
過去五年，GAN 在圖像生成領(lǐng)域取得了重大突破，現(xiàn)在可以生成動物、風(fēng)景以及人臉等高度逼真的合成圖像。例如可以合成人臉的網(wǎng)站 thispersondoesnotexist.com 。但是，GAN 的成功也打開了潘多拉的魔盒，引發(fā)了諸多倫理問題和潛在危險(xiǎn)。例如，有人利用 GAN 開發(fā)「deepfake」人臉交換技術(shù)，制作「換臉」明星色情片，同時(shí)也有人擔(dān)憂 GAN 用于生成假新聞以操控公眾輿論等。
蘋果顯然正處于團(tuán)隊(duì)建設(shè)模式。該公司最近聘請了特斯拉前工程副總裁 Michael Schwekutsch 擔(dān)任另一個「特別項(xiàng)目組」的高級工程總監(jiān)，為自動駕駛研發(fā)加碼。
Ian GoodFellow 簡介
Ian Goodfellow 是機(jī)器學(xué)習(xí)領(lǐng)域備受關(guān)注的年輕學(xué)者之一，本科與碩士就讀于斯坦福大學(xué)，師從吳恩達(dá)，博士階段則跟隨蒙特利爾大學(xué)的著名學(xué)者 Yoshua Bengio 研究機(jī)器學(xué)習(xí)。他最引人注目的成就是在 2014 年 6 月提出了生成對抗網(wǎng)絡(luò)（GAN）。這一技術(shù)近年來已成為機(jī)器學(xué)習(xí)界最火熱的討論話題，特別是近年來，與 GAN 有關(guān)的論文不斷涌現(xiàn)。GAN 已成為眾多學(xué)者的研究方向。
Ian GoodFellow 論文引用量逐年飆升，來源：Google Scholar
Ian Goodfellow 影響作者圖，包括 Bengio、Hinton、LeCun 等巨頭，來源：Semantic Scholar
在 2016 年，Ian Goodfellow、Yoshua Bengio、Aaron Courville 等人推出了著名的人工智能基礎(chǔ)書《Deep Learning》，該書已被列為機(jī)器學(xué)習(xí)領(lǐng)域內(nèi)的必讀內(nèi)容。
《Deep Learning》中文版鏈接：https://github.com/exacity/deeplearningbook-chinese
由于在人工智能領(lǐng)域的激烈競爭，目前在 FAANG 工作的較高級 AI 人才可以獲得六位數(shù)到七位數(shù)美元的薪資。Ian Goodfellow 在加盟蘋果后會帶來哪些新的技術(shù)突破？或許我們很快就會看到了。?
聲明：本文版權(quán)歸原作者所有，文章收集于網(wǎng)絡(luò)，為傳播信息而發(fā)，如有侵權(quán)，請聯(lián)系小編及時(shí)處理，謝謝！歡迎加入本站公開興趣群商業(yè)智能與數(shù)據(jù)分析群
興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識
QQ群：81035754
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/4867.html
摘要：但年在機(jī)器學(xué)習(xí)的較高級大會上，蘋果團(tuán)隊(duì)的負(fù)責(zé)人宣布，公司已經(jīng)允許自己的研發(fā)人員對外公布論文成果。蘋果第一篇論文一經(jīng)投放，便在年月日，斬獲較佳論文。這項(xiàng)技術(shù)由的和開發(fā)，使用了生成對抗網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法。 GANs「對抗生成網(wǎng)絡(luò)之父」Ian Goodfellow 在 ICCV 2017 上的 tutorial 演講是聊他的代表作生成對抗網(wǎng)絡(luò)（GAN/Generative Adversarial ...
摘要：的研究興趣涵蓋大多數(shù)深度學(xué)習(xí)主題，特別是生成模型以及機(jī)器學(xué)習(xí)的安全和隱私。與以及教授一起造就了年始的深度學(xué)習(xí)復(fù)興。目前他是僅存的幾個仍然全身心投入在學(xué)術(shù)界的深度學(xué)習(xí)教授之一。 Andrej Karpathy特斯拉 AI 主管Andrej Karpathy 擁有斯坦福大學(xué)計(jì)算機(jī)視覺博士學(xué)位，讀博期間師從現(xiàn)任 Google AI 首席科學(xué)家李飛飛，研究卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺、自然語言處理上的應(yīng)...
摘要：作者在論文中將這種新的譜歸一化方法與其他歸一化技術(shù)，比如權(quán)重歸一化，權(quán)重削減等，和梯度懲罰等，做了比較，并通過實(shí)驗(yàn)表明，在沒有批量歸一化權(quán)重衰減和判別器特征匹配的情況下，譜歸一化改善生成的圖像質(zhì)量，效果比權(quán)重歸一化和梯度懲罰更好。 就在幾小時(shí)前，生成對抗網(wǎng)絡(luò)（GAN）的發(fā)明人Ian Goodfellow在Twitter上發(fā)文，激動地推薦了一篇論文：Goodfellow表示，雖然GAN十分擅長...
摘要：是世界上最重要的研究者之一，他在谷歌大腦的競爭對手，由和創(chuàng)立工作過不長的一段時(shí)間，今年月重返，建立了一個探索生成模型的新研究團(tuán)隊(duì)。機(jī)器學(xué)習(xí)系統(tǒng)可以在這些假的而非真實(shí)的醫(yī)療記錄進(jìn)行訓(xùn)練。今年月在推特上表示是的，我在月底離開，并回到谷歌大腦。 理查德·費(fèi)曼去世后，他教室的黑板上留下這樣一句話：我不能創(chuàng)造的東西，我就不理解。（What I cannot create, I do not under...
閱讀 1568·2021-09-22 15:52
閱讀 3473·2021-09-22 14:59
閱讀 2855·2021-09-02 15:12
閱讀 981·2021-08-20 09:35
閱讀 1588·2019-08-30 14:09
閱讀 2718·2019-08-30 13:56
閱讀 1660·2019-08-26 18:27
閱讀 3372·2019-08-26 13:37
