Войти
| Томас Г. Диттерих | |
|---|---|
| Родился | 1954. Южный Уэймут, Массачусетс |
| Национальность | Американец |
| Известен как | Исполнительный редактор Machine Learning (журнал) (1992–98) |
| Академическое образование | |
| Alma mater | Центральная средняя школа Нэпервилля. Оберлин-колледж. Университет Иллинойса, Урбана-Шампейн. Стэнфордский университет |
| Диссертация | «Методы распространения ограничений для теоретической интерпретации данных» (1984) |
| Докторант | Брюс Г. Бьюкенен |
| Академическая работа | |
| Учреждения | Государственный университет Орегона |
Томас Дж. Диттерих является заслуженным профессором из информатика в Государственный университет Орегона. Он является одним из основателей области машинного обучения. Он работал исполнительным редактором Machine Learning (журнал) (1992–98) и помогал соучредителем Journal of Machine Learning Research. В ответ на внимание СМИ к опасностям искусственного интеллекта, Диттерих был процитирован с академической точки зрения широкому кругу СМИ, включая Национальное общественное радио, Business Insider, Microsoft Research, CNET и The Wall Street Journal.
Среди его исследовательских работ было изобретение выходного кодирования с исправлением ошибок для мультиклассовой классификации, формализация множественных -экземпляр, структура MAXQ для обучения с иерархическим подкреплением и разработка методов интеграции деревьев непараметрической регрессии в вероятностные графические модели.
Томас Диттерих родился в Южном Уэймуте, штат Массачусетс, в 1954 году. Его семья позже переехала в Нью-Джерси, а затем снова в Иллинойс, где Том окончил Центральную среднюю школу Нэпервилля. Затем Диттерих поступил в Оберлин-колледж и начал учебу в бакалавриате. В 1977 году Диттерих окончил Оберлин со степенью математика, специализируясь на вероятности и статистике.
Диттерих провел следующие два года в Университете штата Иллинойс, Урбана-Шампейн. По прошествии этих двух лет он поступил в докторантуру на факультете компьютерных наук Стэнфордского университета. Диттерих получил докторскую степень. в 1984 году и переехал в Корваллис, штат Орегон, где был принят на должность доцента по информатике. В 2016 году Диттерих ушел в отставку с должности в Университете штата Орегон.
На протяжении всей своей карьеры Диттерих работал над продвижением научных публикаций и презентаций на конференциях. В течение многих лет он был редактором серии MIT Press по адаптивным вычислениям и машинному обучению. Он также занимал должность соредактора серии статей Morgan Claypool Synthesis по искусственному интеллекту и машинному обучению. Он организовал несколько конференций и семинаров, в том числе был сопредседателем технической программы Национальной конференции по искусственному интеллекту (AAAI-90), председателем технической программы по системам обработки нейронной информации (NIPS-2000) и генеральным председателем NIPS-2001. Он был президентом-основателем Международного общества машинного обучения и был членом Совета IMLS с момента его основания. В настоящее время он также является членом Руководящего комитета Азиатской конференции по машинному обучению.
Профессор Диттерих интересуется всеми аспектами машинного обучения. Его исследования делятся на три основных направления. Во-первых, его интересуют фундаментальные вопросы искусственного интеллекта и того, как машинное обучение может стать основой для построения интегрированных интеллектуальных систем. Во-вторых, его интересуют способы, которыми люди и компьютеры могут сотрудничать для решения сложных проблем. И в-третьих, он заинтересован в применении машинного обучения к проблемам экологических наук и управления экосистемами в рамках развивающейся области вычислительной устойчивости.
На протяжении своей карьеры, он работал над широким кругом проблем, начиная от разработки лекарств и заканчивая пользовательскими интерфейсами и компьютерной безопасностью. В настоящее время его внимание сосредоточено на том, как методы информатики могут помочь продвинуть экологию и улучшить управление экосистемами Земли. Эта страсть привела к нескольким проектам, включая исследования в области управления лесными пожарами, инвазивной растительности и понимания распределения и миграции птиц. Например, исследование Диттериха помогает ученым из Корнельской лаборатории орнитологии ответить на такие вопросы, как: Как птицы решают мигрировать на север? Как они узнают, когда нужно приземлиться и остановиться на несколько дней? Как они выбирают, где строить гнездо? Десятки тысяч волонтеров-орнитологов (гражданских ученых) по всему миру вносят свой вклад в исследование, отправляя свои наблюдения за птицами на веб-сайт eBird. Объем данных огромен - в марте 2012 года было проведено более 3,1 миллиона наблюдений за птицами. Машинное обучение может обнаруживать закономерности в данных для моделирования миграции видов. Но есть много других приложений для тех же методов, которые позволят организациям лучше управлять нашими лесами, океанами и исчезающими видами, а также улучшить транспортный поток, водные системы, электросеть и многое другое.
Я понял, что я хотели оказать влияние на что-то действительно важное - и, конечно же, вся экосистема Земли, частью которой мы являемся, находится под угрозой во многих отношениях. И поэтому, если есть способ, которым я могу использовать свои технические навыки для улучшения как научной базы, так и инструментов, необходимых для принятия политических и управленческих решений, я бы хотел это сделать. Я увлечен этим.
Самые реальные риски, связанные с опасностями искусственного интеллекта, - это основные ошибки, сбои и кибератаки, Томас Диттерих, эксперт в этой области говорит - больше, чем машины, которые становятся сверхмощными, выходят из-под контроля и пытаются уничтожить человечество.
«Долгое время риски искусственного интеллекта в основном обсуждались в нескольких небольших, академические круги, и теперь они привлекают к себе давно назревшее внимание ", - сказал Диттерих. «Это внимание и финансирование для его поддержки - очень важный шаг».
Взгляд Диттериха на проблемы с ИИ, однако, немного более заурядный, чем большинство - не настолько, чтобы он подавил человечество, но что, как и большинство сложных инженерных систем, это может не всегда работать.
«Сейчас мы говорим о некоторых довольно сложных и захватывающих вещах с ИИ, таких как автомобили, которые управляют собой, или роботы, которые могут оказывать помощь или работать оружия ", - сказал Диттерих. «Это задачи с высокими ставками, которые будут зависеть от чрезвычайно сложных алгоритмов». «Самый большой риск заключается в том, что эти алгоритмы могут не всегда работать. Мы должны осознавать этот риск и создавать системы, которые могут безопасно функционировать, даже когда компоненты ИИ совершают ошибки».
Диттерих считает, что машины становятся самими собой - осознавать и пытаться истребить людей - это скорее научная фантастика, чем научный факт. Но поскольку компьютерные системы получают все более опасные задачи и их просят учиться и интерпретировать их опыт, он сказал, что они могут просто совершать ошибки.
Большинство сторонников серьезного отношения к ИИ как экзистенциальному риску также не верят, что машины станут осведомленными о себе (см., Например, здесь ). Кроме того, есть почти всеобщее согласие среди людей, которые выступают за серьезное отношение к экзистенциальному риску со стороны ИИ, что передовые системы ИИ не разовьют внезапно негативное намерение (ненависть или гнев) против человечества. а затем решите выйти из-под контроля. Вместо этого большая часть работы, проделанной сообществом по безопасности искусственного интеллекта, действительно сосредоточена на несчастных случаях и недостатках конструкции. Таким образом, неясно, насколько далеко Диттерих просто атакует соломенного человека версию аргумента в пользу экзистенциального риска от искусственного интеллекта.
«Компьютерные системы уже могут побеждать людей в шахматы, но это не так» Это означает, что они не могут сделать неверный шаг. Они могут рассуждать, но это не значит, что они всегда получают правильный ответ. И они могут быть сильными, но это не то же самое, что говорить, что они разовьют сверхспособности ».
Диттерих считает, что более непосредственные и реальные риски будут заключаться в определении того, как могут происходить ошибки, и как создать системы, которые могут помочь справиться с ними, минимизировать или приспособиться к ним. Он считает, что некоторые из самых непосредственных угроз, которые компьютеры представляют в злонамеренном смысле, вероятно, возникнут в результате кибератак. Люди со злым умыслом, использующие искусственный интеллект и мощные компьютеры для атаки на другие компьютерные системы, представляют собой реальную угрозу и, таким образом, были бы хорошим местом для сосредоточения первых работ в этой области.
Многие СМИ заметили Диттериха за давая свой академический взгляд на опасность искусственного интеллекта. Он был пленарным докладчиком на Wait What? форум технологий будущего, организованный DARPA 11 сентября 2015 года. В статье Digital Trends в феврале 2015 года Диттерих рассказал о своих знаниях по этой теме:
Диттерих перечисляет ошибки и кибератаки и проблемы с пользовательским интерфейсом как три самых больших риска искусственного интеллекта - или любого другого программного обеспечения, если на то пошло. «Прежде чем мы предоставим компьютерам контроль над решениями, в которых важны высокие ставки, - говорит он, - наши программные системы должны быть тщательно проверены, чтобы гарантировать, что эти проблемы не возникнут». Это вопрос неуклонного стабильного прогресса с большим вниманием к деталям, а не «апокалиптических сценариев конца света», которые так легко захватывают воображение при обсуждении ИИ.
В июле 2015 года Диттерих дал интервью для NPR 's On Point Управление рисками, связанными с искусственным интеллектом ". Диттерих также был представлен на страницах Business Insider, Business Insider Australia,, CNET, Microsoft Research, PC Magazine,, Министерство обороны США ; было снято Коммуникациями ACM и KEZI ; и был упомянут в статьях The Wall Street Journal и.
Весной 2013 года Томас Диттерих был удостоен звания «Заслуженного профессора» Университета штата Орегон за его работу в качестве пионера в области машинного обучения и бытия. один из наиболее цитируемых ученых в своей области. Он также получил эксклюзивный статус «научный сотрудник » в Ассоциации по развитию искусственного интеллекта, Американской ассоциации развития науки и Ассоциация вычислительной техники. За свою карьеру он получил более 30 миллионов долларов в виде исследовательских грантов, помог создать исследовательскую группу мирового уровня в штате Орегон и создал три компании-разработчика программного обеспечения. Он также стал соучредителем двух ведущих журналов в данной области и был избран первым президентом Международного общества машинного обучения.
Среди его других наград и наград:
