به گفته بن ژیو «جایزه الن تورینگ اصلیترین و مهمترین قدردانی جامعه علوم کامپیوتری برای پذیرفتن شبکههای عصبی به عنوان یکی از المانهای اصلی هوش مصنوعی است که در ابتدا انتقادهای بسیاری به آن وارد بود»
کسب افتخارات مختلف برای دکتر یاشوا بن ژیو Yoshua Bengio که از پایهگذاران یادگیری عمیق است امری بسیار عادی است، اما هنگامی که متوجه شد به عنوان یکی از برندگان جایزه الن تورینگ A.M Turing انتخاب شده است بسیار شوکه شد. این جایزه که آن را نوبل محاسبات کامپیوتری مینامند، بالاترین جایزه علمی در حوزه IT است که ارزش مالی آن یک میلیون دلار است. این جایزه توسط انجمن محاسبات کامپیوتری که در نیویورک مستقر است به دانشمند مونترالی اهدا شد.
دکتر بنژیو به همراه دو تن از همکاران خود به نامهای دکتر گفری هینتون از دانشگاه تورنتو و یان لکون از دانشگاه نیویورک این جایزه را دریافت نمودند. این جایزه به پاس ریاضیدان انگلیسی الن تورینگ نامگذاری شده و بودجه آن توسط گوگل فراهم شده است. که قرار است طی مراسمی در 15 ژوئن در یک مراسمی در سانفرانسیسکو به برندگان آن اهدا شود.
این انجمن در سال 1947 تاسیس شد و امروز نزدیک به 100هزار عضو دارد. از برندگان این جایزه به عنوان پدران انقلاب محاسبات عمیق یاد میکند. به گفته این انجمن «بن ژیو و همکاران وی توانستهاند روشهای یادگیری عمیق را به عنوان یکی از اصلیترین روشهای محاسبات رایانهای توسعه دهند که موجب انقلاب در مهندسی شده است.»
شبکه یادگیری عمیق چیست؟
در علوم کامپیوتر، عبارت «شبکههای عصبی» به مجموعهای از لایهها گفته میشود که بسیار ساده بوده و از عضوهای محاسباتی به نام نورون تشکیل شدهاند. این نورونها که از نورونهای مغزی انسان الهام گرفته شدهاند به صورت یک شبکه با هم در ارتباط هستند و بر روی یکدیگر با یک مقدار مشخصی از اثر بخشی که از آن به عنوان «وزن» یاد میشود اثر میگذارند و با تغییر این کمیت، خروجی محاسباتی انجام شده توسط شبکه تغییر مینماید.
در اوایل تحقیقاتی که بر روی این زمینه انجام شد، دکتر بن ژیو و همکاران وی به اهمیت استفاده از شبکههایی که لایههای بسیار دارند پی بردند و لغت یادگیری عمیق از همین مفهوم داشتن لایههای زیاد برای شبکههای عصبی گرفته شده است. در روشهای معمولی محاسباتی، یک برنامه کامپیوتری بر اساس دستورالعملهای صریح که به صورت منطقی و قدمبهقدم است، عمل مینماید. در حالی که در یادگیری عمیق که یکی از زیر مجموعههای هوش مصنوعی است، برنامه کامپیوتری به صورت قدمبهقدم برنامهریزی نشده است و از الگوریتمهای یادگیری برای یافتن الگوها در دادههای دریافتی استفاده مینماید، به طور مثلا این دادههای ورودی میتوانند پیکسلهای یک تصویر باشند.
چالش اصلی که در بحث الگوریتمهای یادگیری مهم هستند. توسعه الگوریتمهای یادگیری برای مشخص نمودن وزنهای شبکه است. به گونهای که شبکه بتواند الگوهای موجود در دادههای ورودی را تشخیص دهد. مفهوم شبکههای عصبی به عنوان یکی از روشهای یادگیری ماشین در دهه 80 میلادی برای اولینبار معرفی شد. و در اوایل دهه اول قرن بیستم، دکتر بن ژیو و لکون از معدود کسانی بودند که به این روش وفادار مانده بودند.
انتقادهای اولیه به شبکههای عصبی و چگونگی گسترش آن
تلاشهای اولیه دکتر بن ژیو و همکاران وی برای بازسازی علاقه جامع هوش مصنوعی به شبکههای عصبی در اوایل با انتقادهای زیادی روبهرو شد. و اعتماد چندانی به این روش به عنوان یک روش بسیار کارآمد وجود نداشت. اما با رشد کامپیوترهای محاسباتی چون GPU و نیز افزایش دسترسی به مجموعه دادهای بسیار وسیع، روش پیشنهادی آنها به عنوان یکی از اصلیترین روشهای هوش مصنوعی شد. و موجب پیشرفتهای بینظیری در بخشهای از علوم کامپیوتر چون پردازش تصویر، صدا و ترجمه ماشین شده است.
رئیس انجمن محاسبات کامپیوتری، چری پن کیک میگوید که «هوش مصنوعی یکی از پررشدترین زمینههای دانش جهان و نیز یکی از موضوعات عمومی بحث و گفتوگو در جامعه است». به گفته وی «گسترش علاقه به هوش مصنوعی تا حدودی به پیشرفتهای حاصل در یادگیری عمیق باز میگردد. که دکتر بن ژیو و لکون از پایهگذاران آن است».
«این تکنولوژیها توسط میلیاردها انسان امروزه مورد استفاده قرار میگیرد. هر کسی که یک گوشی هوشمند در جیب خود دارد با مفهوم پردازش گفتار و نیز پردازش تصویر آشنا است که در ده سال پیش چنین امکانی در این وسعت وجود نداشت. علاوه بر این کاربردهای یاد شده، روشهای یادگیری عمیق یک ابزار بسیار پرقدرت در زمینههای مختلفی چون پزشکی، نجوم و علم مواد است. که به طور وسیع توسط مهندسان و دانشمندان مورد استفاده قزار میگیرد».
به گفته بن ژیو «این جایزه به عنوان اصلیترین و مهمترین قدردانی جامعه علوم کامپیوتری برای پذیرفتن شبکههای عصبی به عنوان یکی از المانهای اصلی هوش مصنوعی است که در ابتدا انتقادهای بسیاری به آن وارد بود».