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
.
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]
- ^
(
EN
)
Convolutional Nets and CIFAR-10: An Interview with Yann LeCun
, su
blog.kaggle.com
.
- ^
(
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
.
- ^
(
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
.
- ^
(
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
.
- ^
(
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
.
- ^
(
EN
)
Nobel prize of tech awarded to 'godfathers of AI'
, in
The Telegraph
, 27 marzo 2019.
URL consultato il 20 marzo 2020
.
- ^
(
EN
) Sam Shead,
The 3 'Godfathers' Of AI Have Won The Prestigious $1M Turing Prize
, in
Forbes
.
URL consultato il 20 marzo 2020
.
- ^
(
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
.
- ^
(
EN
) Jeremy Kahn,
Three 'Godfathers of Deep Learning' Selected for Turing Award
, in
Bloomberg
, 27 marzo 2019.
URL consultato il 10 novembre 2020
.
- ^
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.
- ^
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.
- ^
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.
- ^
Yann LeCun, Leon Bottou, Yoshua Bengio and Patrick Haffner: Gradient Based Learning Applied to Document Recognition, Proceedings of IEEE, 86(11):2278?2324, 1998.
- ^
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.
- ^
(
EN
)
People
, su
poly.edu
.
- ^
(
EN
)
Yann Lecun
, su
yann.lecun.com
.
- ^
(
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.
- ^
Kevin Jarrett, Koray Kavukcuoglu, Marc'Aurelio Ranzato and Yann LeCun: What is the Best Multi-Stage Architecture for Object Recognition?, Proc.
- ^
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.
- ^
http://cds.nyu.edu
- ^
https://www.facebook.com/yann.lecun/posts/10151728212367143
- ^
(
EN
)
Fathers of the Deep Learning revolution receive 2018 ACM A.M. Turing Award
, su
acm.org
.
URL consultato il 29 marzo 2019
.
- ^
Acta del Jurado