Yann LeCun

Da Wikipedia, l'enciclopedia libera.
Vai alla navigazione Vai alla ricerca
Yann LeCun nel 2018

Yann LeCun ( Parigi , 8 luglio 1960 ) e un informatico e ricercatore francese naturalizzato statunitense , particolarmente noto per i suoi rilevanti contributi nei campi dell' apprendimento automatico , della visione artificiale , della robotica e delle neuroscienze computazionali . In particolare, e noto per lo sviluppo di reti neurali convoluzionali (CNN) e aver rivoluzionato il campo della visione artificiale usando il settore del Riconoscimento ottico dei caratteri . [1] [2] E anche una delle principali menti che collaborarono alla creazione di DjVu , una tecnologia di compressione delle immagini. Insieme a Leon Bottou, ha sviluppato il linguaggio di programmazione Lush.

LeCun ha ricevuto il Turing Award 2018 (spesso definito il "Premio Nobel per l'informatica"), insieme a Yoshua Bengio e Geoffrey Hinton , per il loro lavoro sull'apprendimento profondo. [3] I tre vengono talvolta definiti "padrini dell'intelligenza artificiale" e "padrini del deep learning". [4] [5] [6] [7] [8] [9]

Nacque nel 1960 in un sobborgo di Parigi . Nel 1983 si diploma a Parigi in ingegneria, ( Diplome d'Ingenieur) presso la Ecole Superieure d'Ingenieur en Electrotechnique et Electronique (ESIEE), e nel 1987 il dottorato in Informatica presso l' Universita Pierre e Marie Curie , durante il quale ha proposto una prima variante dell'algoritmo noto come back-propagation , utilizzato successivamente come principale metodo di apprendimento delle reti neurali artificiali. [10] E stato postdoc presso il laboratorio di Geoffrey Hinton all' Universita di Toronto .

Nel 1988 , presso i Bell Laboratories , a Murray Hill, in New Jersey , e diventato membro del Dipartimento dell'Adaptive Systems Research, sotto la guida di Lawrence D. Jackel. In questi anni, si dedico allo sviluppo di una serie di nuovi algoritmi di apprendimento automatico , tra i quali i piu noti sono sicuramente una serie di modelli ispirati dalla biologia, sviluppati per il riconoscimento automatico di immagini, note come Reti neurali convoluzionali , [11] ed il metodo di regolarizzazione, noto come Optimal Brain Damage , [12] metodologie applicate principalmente nel riconoscimento di testi scritti a mano e OCR . [13] Ha inoltre contribuito alla creazione di un sistema di riconoscimento dei controlli bancari, ampiamente diffuso sia dalla NCR che da altre societa, arrivando a leggere oltre il 10% di tutti i controlli negli Stati Uniti, tra la fine degli anni '90 e l'inizio del 2000.

Nel 1996 ha ricoperto l'incarico di ricercatore principale presso i Laboratori AT&T , nel Dipartimento di Processazione delle Immagini, parte allora del Laboratorio per la processazione automatica del linguaggio e delle immagini guidato da Lawrence Rabiner. In questo contesto ha lavorato principalmente sulla tecnologia DjVu , [14] tuttora usata da numerosi siti internet tra cui l' Internet Archive .

Yann LeCun all'Universita del Minnesota nel 2014

Dopo un breve incarico presso il NEC Research Institute di Princeton , nel 2003 ha ottenuto una docenza in Informatica e in Neuroscienze sia presso la New York University , che presso la Tandon School of Engineering [15] [16] In questo ruolo, si e dedicato principalmente allo sviluppo di algoritmi per l'apprendimento sia supervisionato che non supervisionato ( supervised e unsupervised learning ), [17] di tecnologia di visione artificiale [18] e di robotica . [19]

Nel 2012 ha fondato, presso la New York University , il Centro della Scienza dei Dati. [20] Nel 2013, in collaborazione con Yoshua Bengio, ha fondato la International Conference on Learning Representations. Nel Dicembre 2013 e diventato il primo direttore del Facebook AI Research a New York , [21] interrompendo il lavoro presso la New York University nei primi mesi del 2014.

Nel 2016 e stato nominato professore ospite ( Visiting Professor ) presso il College de France di Parigi. La sua conferenza inaugurale ( lecon inaugurale) ha costituito un momento importante nella vita intellettuale parigina.

Nel marzo 2019 ha ricevuto il premio Turing (insieme a Yoshua Bengio e Geoffrey Hinton) per le scoperte concettuali e ingegneristiche che hanno reso le reti neurali profonde un componente critico dell'informatica. [22]

Onorificenze

[ modifica | modifica wikitesto ]

Onorificenze straniere

[ modifica | modifica wikitesto ]
  1. ^ ( EN ) Convolutional Nets and CIFAR-10: An Interview with Yann LeCun , su blog.kaggle.com .
  2. ^ ( EN ) Yann LeCun, Leon Bottou, Yoshua Bengio e Patrick Haffner, Gradient-based learning applied to document recognition ( PDF ), in Proceedings of the IEEE , vol. 86, n. 11, 1998, pp. 2278?2324. URL consultato il 16 novembre 2013 .
  3. ^ ( EN ) Fathers of the Deep Learning Revolution Receive ACM A.M. Turing Award , in Association for Computing Machinery , New York, 27 marzo 2019. URL consultato il 27 marzo 2019 .
  4. ^ ( EN ) James Vincent, 'Godfathers of AI' honored with Turing Award, the Nobel Prize of computing , in The Verge , 27 marzov2019. URL consultato il 20 marzo 2020 .
  5. ^ ( EN ) Ted Ranosa, Godfathers Of AI Win This Year's Turing Award And $1 Million , su Tech Times , 29 marzo 2019. URL consultato il 20 marzo 2020 .
  6. ^ ( EN ) Nobel prize of tech awarded to 'godfathers of AI' , in The Telegraph , 27 marzo 2019. URL consultato il 20 marzo 2020 .
  7. ^ ( EN ) Sam Shead, The 3 'Godfathers' Of AI Have Won The Prestigious $1M Turing Prize , in Forbes . URL consultato il 20 marzo 2020 .
  8. ^ ( EN ) Tiernan Ray, Deep learning godfathers Bengio, Hinton, and LeCun say the field can fix its flaws , su ZDNet . URL consultato il 20 marzo 2020 .
  9. ^ ( EN ) Jeremy Kahn, Three 'Godfathers of Deep Learning' Selected for Turing Award , in Bloomberg , 27 marzo 2019. URL consultato il 10 novembre 2020 .
  10. ^ Y. LeCun: Une procedure d'apprentissage pour reseau a seuil asymmetrique (a Learning Scheme for Asymmetric Threshold Networks), Proceedings of Cognitiva 85, 599?604, Paris, France, 1985.
  11. ^ Y. LeCun, B. Boser, J. S. Denker, D. Henderson, R. E. Howard, W. Hubbard and L. D. Jackel: Backpropagation Applied to Handwritten Zip Code Recognition, Neural Computation, 1(4):541-551, Winter 1989.
  12. ^ Yann LeCun, J. S. Denker, S. Solla, R. E. Howard and L. D. Jackel: Optimal Brain Damage, in Touretzky, David (Eds), Advances in Neural Information Processing Systems 2 (NIPS*89), Morgan Kaufmann, Denver, CO, 1990.
  13. ^ Yann LeCun, Leon Bottou, Yoshua Bengio and Patrick Haffner: Gradient Based Learning Applied to Document Recognition, Proceedings of IEEE, 86(11):2278?2324, 1998.
  14. ^ Leon Bottou, Patrick Haffner, Paul G. Howard, Patrice Simard, Yoshua Bengio and Yann LeCun: High Quality Document Image Compression with DjVu, Journal of Electronic Imaging, 7(3):410?425, 1998.
  15. ^ ( EN ) People , su poly.edu .
  16. ^ ( EN ) Yann Lecun , su yann.lecun.com .
  17. ^ ( EN ) Yann LeCun, Sumit Chopra, Raia Hadsell, Ranzato Marc'Aurelio e Fu-Jie Huang, A Tutorial on Energy-Based Learning in Bakir, G. and Hofman, T. and Scholkopf, B. and Smola, A. and Taskar, B. (Eds), Predicting Structured Data , MIT Press, 2006.
  18. ^ Kevin Jarrett, Koray Kavukcuoglu, Marc'Aurelio Ranzato and Yann LeCun: What is the Best Multi-Stage Architecture for Object Recognition?, Proc.
  19. ^ Raia Hadsell, Pierre Sermanet, Marco Scoffier, Ayse Erkan, Koray Kavackuoglu, Urs Muller and Yann LeCun: Learning Long-Range Vision for Autonomous Off-Road Driving, Journal of Field Robotics, 26(2):120?144, February 2009.
  20. ^ http://cds.nyu.edu
  21. ^ https://www.facebook.com/yann.lecun/posts/10151728212367143
  22. ^ ( EN ) Fathers of the Deep Learning revolution receive 2018 ACM A.M. Turing Award , su acm.org . URL consultato il 29 marzo 2019 .
  23. ^ Acta del Jurado

Altri progetti

[ modifica | modifica wikitesto ]

Collegamenti esterni

[ modifica | modifica wikitesto ]
Controllo di autorita VIAF ( EN 46841749  · ISNI ( EN 0000 0000 0782 7909  · ORCID ( EN 0000-0002-1992-2684  · LCCN ( EN no2002032333  · GND ( DE 1179829646  · BNF ( FR cb12379001x (data)  · NDL ( EN JA 031825665  · WorldCat Identities ( EN viaf-46841749