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.
Isola, pełen entuzjazmu członek Laboratorium Informatyki i Sztucznej Inteligencji (CSAIL) przy MIT, poświęca swoje badania zawiłościom z zakresu widzenia komputerowego i uczenia maszynowego. Interesuje go, w jaki sposób modele sztucznej inteligencji (AI) interpretują i rozumieją otaczający je świat oraz w jaki sposób ujawnia to nieoczekiwane aspekty naszych procesów poznawczych.
Wychowany w północnej Kalifornii, Isola rozwinął zamiłowanie do zgłębiania procesów naturalnych już w dzieciństwie, podczas wypraw po okolicznych wzgórzach i wybrzeżach. Ta ciekawość towarzyszyła mu przez całą ścieżkę akademicką, która zaprowadziła go od swobodnego zgłębiania licznych dziedzin na Uniwersytecie Yale prosto do serca kognitywistyki. Pod kierunkiem prof. Briana Scholla z Wydziału Psychologii Uniwersytetu Yale fascynacja Isoli złożonością ludzkiego mózgu przyćmiła nawet jego zainteresowanie powstawaniem planet. Był to punkt wyjścia do trwającej całe życie podróży w poszukiwaniu zrozumienia inteligencji.
Następnie jego droga nieco zboczyła w stronę tworzenia niezależnych gier wideo, po czym podjął studia podyplomowe z zakresu nauk o mózgu i kognitywistyki na MIT. Pod okiem profesora nauk o wzroku, Teda Adelsona, Isola znalazł intelektualną przystań, w której większą wagę przywiązywano do pogłębiania fundamentalnego zrozumienia niż do powierzchownych wskaźników. To właśnie tam jego praca zaczęła łączyć się z dziedziną sztucznej inteligencji, co skłoniło go do zbadania, w jaki sposób modele obliczeniowe mogą wnieść nowe spojrzenie na nasze rozumienie procesów poznawczych. Praca doktorska Isoli, skupiająca się na grupowaniu percepcyjnym, ostatecznie utorowała drogę dla uczenia się z samokontrolą – techniki, która ułatwia sztucznej inteligencji uczenie się na podstawie danych nieoznaczonych.
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.
To przełomowe odkrycie skłoniło go do sformułowania hipotezy o platońskich reprezentacjach. Koncepcja ta, wywodząca się z platońskiej alegorii jaskini, zakłada zbieżność sposobów postrzegania rzeczywistości przez wszystkie te modele, pomimo różnic w wykorzystywanych przez nie danych wejściowych. Według Isoli wszystkie te modele poznają różne ’cienie“ tego samego świata leżącego u ich podstaw.
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.
Pasja Isoli wykracza poza badania naukowe i obejmuje również nauczanie. Jako współtwórca kursu z zakresu głębokiego uczenia się na MIT, dzięki jego inicjatywie liczba studentów wzrosła z 30 do ponad 700. Pomimo gwałtownego rozwoju i postępów w dziedzinie sztucznej inteligencji podkreśla on przed swoimi studentami, że inteligentne maszyny są wciąż stosunkowo proste, i zachęca ich do kwestionowania dzisiejszych prawd.
Wizja przyszłości według Isoli zakłada współistnienie ludzi i maszyn, z których każda zachowuje swoją wyjątkowość i przeznaczenie. Twierdzi on: “Będzie to współistnienie i zaczynam się zastanawiać, jaką rolę mogę odegrać w tej przyszłości”. Jego ciekawość jest nieustanna i opiera się na mądrości, która dostrzega prostotę inteligencji, gdy tylko ją się zrozumie. To nieustanne pragnienie wiedzy sprawia, że jego droga jest równie fascynująca jak sam cel.
Ta strona używa plików cookie.