Kiedy zadajesz pytanie o inteligencję, czy myślisz tylko o ludzkiej inteligencji? Nie jest tak w przypadku Phillipa Isoli, profesora nadzwyczajnego na Wydziale Inżynierii Elektrycznej i Informatyki MIT (EECS). Dla Isoli badanie inteligencji jest złożonym skrzyżowaniem poznania i obliczeń, w którym ludzie, zwierzęta, a nawet maszyny mają coś fascynującego do ujawnienia.
An enthusiastic member of MIT’s Computer Science and Artificial Intelligence Laboratory (CSAIL), Isola dedicates his research to the intricacies of computer vision and machine learning. He’s curious about how artificial intelligence (AI) models interpret and understand the world around them, and how this reveals unexpected facets of our cognitive processes.
Raised in Northern California, Isola’s love for understanding natural processes took root during his childhood explorations of local hills and coastlines. This curiosity carried him through his academic journey, which led him from shipless exploration of numerous subjects at Yale University, right into the heart of cognitive science. Under the supervision of Prof. Brian Scholl at Yale’s Department of Psychology, Isola’s fascination with the human brain’s complexity outshone even his interest in planetary formation. This marked the starting point to his life-long quest to understand intelligence.
His path then diverged a bit into indie video game development before taking on graduate studies in brain and cognitive sciences at MIT. Behind the guiding hand of vision science professor, Ted Adelson, Isola found an intellectual haven that valued pursuing deep, fundamental understanding over superficial benchmarks. It was here that his work began to converge with artificial intelligence, leading him to explore how computational models could provide fresh insights into our understanding of cognition. Isola’s thesis, focusing on perceptual grouping, ended up paving the way for self-supervised learning – a technique that facilitates AI learning from unlabeled data.
Badania Isoli zwróciły się jeszcze głębiej w kierunku informatyki podczas jego pracy podoktorskiej na UC Berkeley. Zapuścił się w obszar modeli translacji obrazu na obraz, wnosząc znaczący wkład w rozwój wczesnych generatywnych systemów sztucznej inteligencji. Systemy te były w stanie przekształcać proste szkice w realistyczne obrazy, a nawet kolorować czarno-białe fotografie. Po tym doświadczeniu spędził rok w OpenAI, przyciągnięty zarówno etosem, jak i skupieniem się na uczeniu ze wzmocnieniem.
Jednak jego ostateczną ambicją było poprowadzenie własnej jednostki badawczej, co osiągnął po powrocie do MIT jako wykładowca.
Jego polem gry jest teraz jego laboratorium i zespół, z którym dzieli emocje związane z odkrywaniem nowych odkryć. Wspólnie zagłębiają się w sposoby, w jakie maszyny i ludzie tworzą wewnętrzne reprezentacje świata, szczególnie w aspekcie uczenia się. Co ciekawe, odkryli, że modele sztucznej inteligencji, niezależnie od tego, czy zostały przeszkolone w zakresie języka, obrazów czy dźwięku, wszystkie wydają się rozwijać podobne struktury wewnętrzne, gdy stają się bardziej złożone.
This breakthrough led him to propose the Platonic Representation Hypothesis. Rooted in Plato’s allegory of the cave, this idea posits the convergence of all these models’ understanding of reality, despite their different input materials. According to Isola, these models are all learning different “shadows” of the same underlying world.
Badania Isoli dotyczą również samonadzorowanego uczenia się, cennego narzędzia w pokonywaniu ograniczeń i kosztów związanych z etykietowaniem danych. Kierując się bardziej spostrzeżeniami i zasadami niż benchmarkami wydajności, jego podejście obejmuje badania wysokiego ryzyka, które jego zdaniem doprowadzą do znaczących przełomów w zrozumieniu inteligencji.
Isola’s passion extends beyond research, and into teaching. Having co-launched MIT’s deep learning course, his initiative has seen a student body growth from 30 to over 700. Despite the exponential growth and advances in AI, he underscores to his students that intelligent machines are still relatively simple and encourages them to question today’s truths.
Isola’s vision of the future finds humans and machines living side by side, each retaining their uniqueness and purpose. He asserts, “There’s going to be a coexistence, and I’m starting to think about what role I can play in that future”. His curiosity is ceaseless, grounded in a wisdom that recognizes the simplicity of intelligence, once understood. This enduring thirst for knowledge ensures that his journey remains as fascinating as its destination.
This website uses cookies.