北京代怀孕_2018北京代怀孕价格表_365试管助孕

李飞飞卸任,NLP领军人物Manning接管斯坦福 前景堪

根据斯坦福人工智能实验室官方Twitter消息,深度学习自然语言处理领军人、斯坦福教授Chris Manning将接替李飞飞,成为该实验室最新一任负责人。
 
李飞飞教授将继续担任斯坦福视觉与学习实验室(SVL)负责人,并在她的新岗位——斯坦福以人为本人工智能研究院共同院长上发挥重要功能。
李飞飞卸任
斯坦福AI Lab激动地与大家宣布Chris Manning 将出任SAIL负责人。感谢李飞飞为SAIL和社区成长所作出的重大贡献。她现在是斯坦福新成立的以人为本人工智能研究院共同院长。
 
斯坦福AI实验室(SAIL)成立于1962年,由约翰·麦卡锡(John McCarthy)教授创办,麦卡锡是现代人工智能领域的奠基人之一,正是他在 1956 年的达特矛斯会议上提出了 “人工智能” 这个概念。
 
对于新智元的读者来说, 李飞飞教授已经无需赘言 。她最知名的工作是主持创建了ImageNet计算机视觉识别数据库及挑战赛,极大地促进了图像识别领域的技术发展。
李飞飞卸任
今年10月20日,李飞飞发布了她结束为期两年的学术假,正式离开谷歌云、回归斯坦福后的最新动态: 担任斯坦福新成立的“以人为本人工智能研究院”共同院长 。
 
Christopher Manning于1989年在澳大利亚国立大学获得荣誉学士学位,于1994年在斯坦福大学获得语言学博士学位。
 
从斯坦福大学毕业后,他先后在卡内基梅隆大学和悉尼大学担任教职,并于1999年回到斯坦福,加入计算机科学和语言学系。他创建了斯坦福 NLP Group,负责管理斯坦福 CoreNLP 软件的开发工作。
 
Christopher Manning目前是斯坦福大学计算机科学与语言学系Thomas M. Siebel教授。他的研究目标是能够智能地处理、理解和生成人类语言材料的计算机。
 
Manning是将深度学习应用于自然语言处理领域的领军人物,在树递归神经网络、情感分析、神经网络依赖解析、词向量 GloVe 模型、神经机器翻译、深度语言理解等领域有着许多著名研究。
 
Manning还专注于解析、强大的文本推断和多语言语言处理的计算语言学方法,他也是Stanford Dependencies和Universal Dependencies的主要开发人员。
Manning 教授的论文目前被引用超过 7 万次,其中,他作为第一作者与人合著的《自然语言处理统计方法》(Manning and Schütze,1999)和《信息检索》(Manning,Raghavan 和 Schütze,2008)已成为领域内著名的教科书。
 
Manning 是 ACM Fellow 、 AAAI Fellow 和 ACL Fellow ,往届 ACL President 。他的研究多次获得 ACL 、 Coling 、 EMNLP 和 CHI 这些计算语言学顶会的最佳论文奖。
 
斯坦福AI实验室负责人的交替,可以说从某种程度上也反映了当前人工智能研究领域的发展趋势。
 
以李飞飞为代表的计算机视觉探索,在感知方面已经初步成熟,并逐步在工业界开花落地。当然,计算机视觉的研究永无止境,并将持续下去。
 
新一轮人工智能学术研究热点,已经在自然语言处理领域兴起。直到最近,深度学习浪潮一直没有在自然语言处理领域掀起太大波澜,但研究人员的不断努力正在改变这一点。
 
Chris Manning教授是自然语言处理界的大牛,一直 积极推动将更多的语言结构融入深度学习,因而也被誉为“深度学习NLP领军人”,他所教授的课程《深度学习自然语言处理》与李飞飞教授的CS224一样,得到了广大学生、开发者乃至兴趣爱好者在内的热烈欢迎。
 
新智元此前对Manning教授进行了专访,在采访中,Manning 教授指出,虽然深度学习是研究 NLP 的好方法,但目前为止 NLP 从深度学习的收益更多是来自分布式词汇表示(distributed word representation),而非真正的深度学习,真正的深度学习使用更抽象的表征构建的层次来促进泛化。
李飞飞卸任
但是,他对此表示乐观,“ 我们现在仍处于这一波深度学习复兴浪潮的初期 ”。同时,他认为构建深度学习系统的方法本身就很有用,不仅局限于 NLP。
 
Manning 也鼓励人们在工作中更多结合语言和语言结构。他认为 NLP 中的深度学习与语言学之争是很自然的现象——“当有很好用的形式化方法工具出现时,研究这些新工具的人会把它们用在各种各样的领域里,即使他们自己并不是这些领域的专家,因此往往会忽视领域中本应注意的细微精妙之处”——有争论是好事,问题将来也会自己解决。
 
同时,Manning 表示,NLP 是研究语言技术的领域,并不是研究什么是最好的机器学习,因此核心问题永远都将是领域专业问题。
 
总的来说,Manning 认为我们正处在一个非常激动人心的时代,“自然语言处理被视为机器学习和行业应用问题的核心,我们应该感到兴奋和高兴”。他鼓励大家考虑问题、架构,认知科学以及人类语言的细节,如何学习、处理以及如何变化,而不仅仅是追求最好最漂亮的数字。
(责任编辑:admin)