И Ма — В поисках понимания природы интеллекта

Биография: И Ма — профессор кафедры искусственного интеллекта, первый директор Школы вычислительной техники и науки о данных и Института науки о данных Гонконгского университета с 2023 года. Его научные интересы включают компьютерное зрение, анализ многомерных данных и интегрированные интеллектуальные системы. Ии получил две степени бакалавра в области автоматизации и прикладной математики в Университете Цинхуа в 1995 году, две степени магистра в области электротехники, информатики и математики в 1997 году, а также степень доктора философии в области электротехники, информатики и математики в Калифорнийском университете в Беркли в 2000 году. Он работал на факультете электротехники и вычислительной техники Иуэйского университета в Беркли с 2000 по 2011 год, был ведущим научным сотрудником и руководителем группы визуальных вычислений Microsoft Research Asia с 2009 по 2014 год, а также исполнительным деканом Школы информационных наук и технологий Шанхайского технологического университета с 2014 по 2017 год. С 2018 по 2023 год он работал на факультете электротехники, информатики и вычислительной техники Калифорнийского университета в Беркли, где продолжает оставаться приглашенным профессором. Он опубликовал более 65 статей в научных журналах, 150 докладов на конференциях и четыре учебника по 3D-зрению, обобщенному методу главных компонент (PCA), анализу многомерных данных и машинному интеллекту. В 2004 году он получил премию NSF Career Award, а в 2005 году — премию ONR Young Investigator Award. Также он был удостоен премии Дэвида Марра в области компьютерного зрения на конференции ICCV 1999 года и наград за лучшие статьи на конференциях ECCV 2004 и ACCV 2009. Он был председателем программного комитета ICCV 2013 года и генеральным председателем ICCV 2015 года. Он является членом IEEE, ACM и SIAM. Аннотация: В этом докладе мы попытаемся прояснить различные уровни и механизмы интеллекта с исторической, научной, математической и вычислительной точек зрения. Рассматривая эволюцию интеллекта в природе, от филогенетического до онтогенетического, социального и научного интеллекта, мы попытаемся пролить свет на то, как понять истинную природу, казалось бы, впечатляющих достижений в технологиях машинного интеллекта за последнее десятилетие. Мы достигаем этой цели, разрабатывая принципиальную теоретическую основу для дедуктивного объяснения практики глубокого обучения представлений, исходя из первого принципа поиска низкоразмерных структур в распределениях данных. Эта основа не только раскрывает истинную природу, а следовательно, и возможности, и ограничения существующих глубоких архитектур, но и предоставляет принципиальные рекомендации для разработки более полных и эффективных архитектур и систем обучения. В конечном итоге мы проясним разницу и взаимосвязь между знанием и интеллектом, что может помочь нам в достижении цели разработки систем с истинным интеллектом, по крайней мере, на уровне предсказательной и генеративной памяти. Если позволит время, мы также продемонстрируем некоторые из текущих новых технологических разработок, направленных на реализацию интеллекта в открытом реальном физическом мире. Коллоквиум EECS Среда, 6 мая 2026 г. 306 Soda Hall (HP Auditorium) 16:00 - 17:00