С 1995 года Владимир Вапник является приглашённым профессором в Лондонском университете и с 2003 - в Колумбийском университете в Нью-Йорке, рассказывает sostav.ru. Владимир Наумович Вапник - советский и американский математик, внёс важный вклад в теорию машинного обучения, став одним из авторов статистической теории восстановления зависимостей по эмпирическим данным. С 1990 года живёт в США. Работал в одной из крупнейших мировых телекоммуникационных компаний NEC и исследовательском центре в области телекоммуникаций Bell Labs.
Переход Вапника из Лондонского университета в крупнейшую социальную сеть полностью укладывается в набирающую силу кадровую тенденцию – в последнее время интернет-компании стремятся привлечь к своим разработкам представителей фундаментальной науки. Facebook оперирует огромными объемами данных, что открывает перед Вапником широкое поле для прикладной деятельности. А социальная сеть может использовать его авторитет для привлечения к своей работе других талантливых и перспективных ученых.
Это уже не первое громкое R&D назначение Facebook, напоминает rbc.ru. В прошлом году соцсеть приняла на работу одного из ведущих мировых специалистов по искусственному интеллекту, француза Яна Лекуна, который и возглавил соответствующую лабораторию сети – Facebook AI Research. Лекун известен своей разработкой серии методов машинного обучения, в том числе сверточных нейронных сетей, относящихся к алгоритмам так называемого глубокого обучения (deep learning).
Архитектуры глубокого обучения используются в таких областях, как компьютерное зрение, распознавание речи и обработка естественного языка. Соответствующая технология уже была применена Google при разработке программы, способной различать объекты на видео. А Facebook, в свою очередь, использовал ее при создании системы распознавания лиц под названием DeepFace. Она умеет распознавать человеческие лица с точностью 97,25%, что сопоставимо с точностью распознавания лица человеком.
Разработка архитектур глубокого обучения зачастую подается как важная веха на пути к созданию искусственного интеллекта. Вычислительное глубокое обучение тесно связано с теориями умственного развития, разработанными в начале 1990-х годов специалистами по когнитивной нейробиологии.
Термин «глубокое обучение» вошел в широкое употребление после публикации Джеффри Хинтона и Руслана Салахутдинова в середине 2000-х годов, в которой они доказали возможность эффективного предобучения многослойной нейронной сети, информирует computerra.ru.
