Khoa học dữ liệu là một trong những ngành “đình đám” hiện nay, mang đến những trải nghiệm tuyệt vời và thu nhập cao. Tuy nhiên, sự phát triển ngày hôm nay của khoa học dữ liệu là cống hiến và nỗ lực không ngừng của nhiều nhà khoa học. Sau đây, hãy cùng tìm hiểu về một vài gương mặt nổi bật và đóng góp to lớn của họ cho ngành.

Demis Hassabis

Ảnh: Souvid Datta/Backchannel.

Demis là một nhà nghiên cứu và nhà thần kinh học người Anh. Ông là nhà sáng lập và CEO của Deepmind, công ty con của Alphabet nổi tiếng khi đánh bại nhà vô địch thế giới game Go – Lee Sedol.

Demis được coi là một thần đồng, khi thành thạo cờ vua từ khi còn nhỏ và trở thành kiện tướng ở tuổi 13. Ông học ngành Khoa học Máy tính tại Đại học Cambridge, và được đại diện cho trường đi thi đấu cờ vua. Ông là lập trình viên AI tại Bullfrog Productions và Lionhead Studios, và hợp tác với nhà thiết kế game nổi tiếng Peter Molyneux tại đây. Sau đó, ông thành lập studio game của riêng mình mang tên Elixir Studios, chuyên phát hành game chiến thuật.

Game là nền tảng hoàn hảo để phát triển và thử nghiệm các thuật toán AI nhanh chóng và hiệu quả. Bên cạnh đó, Demis cũng mong muốn áp dụng các kỹ thuật trong game để giải quyết các vấn đề khó khăn và cấp bách của xã hội, như chẩn đoán bệnh, mô phỏng khí hậu hay trợ lý ảo cho điện thoại.

Sau khi làm việc trong ngành game, ông quay lại trường và lấy bằng tiến sĩ về khoa học thần kinh nhận thức (cognitive neuroscience) từ Đại học College London. Ở trường, ông cũng đóng góp nhiều nghiên cứu đột phá về khoa học thần kinh và não người.

Trong khi thực hiện nghiên cứu sau tiến sĩ tại UCL, ông có cơ hội gặp Shane Legg và Mustafa Suleyman, sau đó ba người cùng thành lập nên Deepmind. Deepmind thành lập với sứ mệnh kết hợp khoa học thần kinh với học máy (machine learning) để hình thành các thuật toán đa năng, hướng đến xây dựng Trí tuệ nhân tạo tổng hợp (Artificial General Intelligence hay AGI).

Sau khi thành lập, Deepmind đã đạt được thành tựu không nhỏ, khi sử dụng các pixel thô trên màn hình làm dữ liệu đầu vào và thành công đào tạo máy tính chơi các game Atari. Nhờ đó, Deepmind được Google thu mua với giá 400 triệu bảng Anh và đạt được nhiều thành tựu hơn, như xây dựng AlphaGo, một chương trình đánh bại nhà vô địch thế giới Lee Sedol trong Go. Chiến thắng này hoàn toàn gây chấn động trong ngành, khi mà trước đó, ông chủ của Go, Lee Sedol, tự tin sẽ đánh bại AlphaGo với tỉ số 5-0 hoặc 4-1, nhưng thực tế, Lee Sedol bị đánh bại với tỉ số 1-4.

Hiện tại, Deepmind phát triển công cụ AlphaFold, nhằm giải quyết các vấn đề về protein folding và giành được nhiều giải thưởng trong lĩnh vực này. Demis vẫn đang là CEO của Deepmind, phụ trách giải quyết và thảo luận về các vấn đề của AI, đặc biệt là vấn đề đạo đức khi sử dụng AI.

Geoffrey Hinton

Ảnh: phys.org.

Geoffrey Everest Hinton là một nhà tâm lý học và khoa học máy tính người Canada, được biết đến với những nghiên cứu đột phá về mạng lưới thần kinh nhân tạo. Một trong thành tựu đáng chú ý của ông là trong lĩnh vực Deep Learning, khi sử dụng backpropagation trong Mạng nơ-ron.

Theo một cuộc phỏng vấn với Andrew Ng, ông chia sẻ về lí do đến với AI. Hôm đó, ở trường trung học, một người bạn đến gặp ông và nói rằng bộ não người sử dụng hình ba chiều. Chính điều này đã khiến ông trăn trở về cách hoạt động của bộ não con người. Xuất thân từ một gia đình có truyền thống về khoa học, Geoffrey nghiên cứu về sinh lý học, vật lý, triết học, tâm lý học và nhận bằng cử nhân tâm lý học thực nghiệm tại Đại học Cambridge.

Do đam mê với AI, ông quyết định học tiến sĩ về AI tại Đại học Edinburgh và được Christopher Longuet-Higgins hướng dẫn. Mặc dù Geoffrey rất thích làm việc trên các mạng lưới thần kinh, nhưng ý tưởng của ông không được đánh giá cao trong cộng đồng các nhà khoa học tại Anh.

Geoffrey sau đó chuyển đến Mỹ và tìm kiếm công việc về AI. Ở Mỹ, ông trở thành giáo sư tại Đại học Carnegie Mellon, và nghiên cứu áp dụng thuật toán backpropagation cho các mạng lưới thần kinh nhiều lớp.

Một thành tựu khác của Hinton là Boltzmann Machines. Đây là một thuật toán có thể tìm hiểu các biểu diễn ẩn từ dữ liệu, được áp dụng cho các mạng lớn và dày đặc.

Năm 2001, ông đã trở thành thành viên của Hiệp hội Hoàng gia nhờ nghiên cứu so sánh ảnh hưởng của tổn thương não với ảnh hưởng của tổn thất trong mạng lưới thần kinh. Năm 2018, ông một lần nữa trở thành thành viên của Hiệp hội Hoàng gia Canada do những đóng góp to lớn trong lĩnh vực AI.

Năm 2012, ông hợp tác với hai sinh viên của mình tại Đại học Toronto, cùng thành lập một công ty khởi nghiệp AI – DNNresearch Inc. Từ năm 2013, ông đồng thời làm việc cho Google (Google Brain) và Đại học Toronto. Năm 2017, ông đồng sáng lập và trở thành Cố vấn khoa học của Viện Vector, Toronto.

Hinton đã được trao giải thưởng Turing Prizealongside Yoshua Bengio và Yann LeCun 2018 vì công trình nghiên cứu về deep learning. Hinton – cùng với Yoshua Bengio và Yann LeCun – được gọi là “cha đẻ” của AI và Deep Learning.

Yann LeCun

Ảnh: Facebook.

Yann LeCun là một nhà khoa học máy tính người Mỹ gốc Pháp, làm việc chủ yếu trong các lĩnh vực về thị giác máy tính (computer vision), deep learning, và computational neuroscience. Ông nổi tiếng với phát minh Mạng lưới thần kinh tích chập (Convolutional Neural Networks) và những đóng góp to lớn của ông trong lĩnh vực thị giác máy tính. Ông cũng là người cùng với Geoffrey Hinton và các nhà khoa học khác xây dựng nên thuật toán backpropagation.

Yann sinh ra ở Paris vào những năm 60 và luôn thích tìm hiểu về trí thông minh. Trong khi học ngành kỹ thuật tại đại học ESIEE Paris, ông tình cờ đọc được một bài viết về perceptron (tri giác), và bắt đầu tò mò tìm hiểu về chúng.

Ông lấy bằng Tiến sĩ Khoa học Máy tính từ Đại học Pierre et Marie Curie vào năm 1987. Cùng lúc đó, ông đề xuất một mô hình sơ khai của thuật toán backpropagation cho mạng lưới thần kinh. Geoffrey Hinton đọc được bài nghiên cứu này và bắt đầu hợp tác với Yann.

Tại Đại học Toronto, ông bắt đầu nghĩ đến cách sử dụng Mạng nơ-ron trên hình ảnh, cũng là nền tảng của mạng lưới thần kinh tích chập sau này. Năm 1988, ông gia nhập nhóm nghiên cứu Adaptive Systems Research Department tại Phòng thí nghiệm AT&T Bell. Sau khi tham gia, nhiệm vụ đầu tiên của ông là thiết kế một hệ thống nhận dạng ký tự quang học mới. Ông đã sử dụng ý tưởng của mình và thiết kế một thuật toán hiệu quả hơn so với các thuật toán trước đó. Đây là phiên bản đầu tiên của mạng lưới thần kinh tích chập (CNN).

Vào những năm 80, do chưa có nơi lập trình tiêu chuẩn, LeCun cùng với bạn mình Leon Bottou bắt đầu viết một phần mềm có tên SN để thử nghiệm công nghệ học máy và mạng lưới thần kinh. SN được xây dựng xung quanh một trình thông dịch Lisp (hay sau này là ngôn ngữ Lush). Hầu hết các thử nghiệm Mạng thần kinh của ông, bao gồm cả các thử nghiệm tại AT&T, đã được thực hiện trên hệ thống này.

Chẳng hạn như, hệ thống nhận dạng chi phiếu, một trong những sản phẩm ông phát triển tại AT&T, đã được NCR và các công ty khác triển khai rộng rãi, có thể đọc hơn 10% tất cả các chi phiếu tại Hoa Kỳ vào cuối những năm 1990 và đầu những năm 2000.

Stuart Russell

Ảnh: TED.

Stuart Jonathan Russell là một nhà khoa học máy tính với nhiều đóng góp cho Trí tuệ nhân tạo (AI). Russell là đồng tác giả của một trong những cuốn sách giáo khoa phổ biến nhất trong lĩnh vực Artificial Intelligence: A Modern Approach, được sử dụng trong hơn 1.400 trường đại học tại 128 quốc gia trên toàn thế giới. Ông thành lập Trung tâm về Trí tuệ nhân tạo CHAI tại UC Berkeley.

Stuart Russell sinh ra ở Portsmouth, Anh. Ông học tại một trường nội trú ở London, St. Paul, và quyết định học một khóa khoa học máy tính tại một trường đại học gần đó, để tránh môn bóng bầu dục bắt buộc trong trường. Ông đã thực hiện rất nhều dự án và trở nên nổi tiếng vì sử dụng máy tính của trường đại học trong nhiều giờ. Ông cũng viết một chương trình cờ vua và học được nhiều điều từ đó.

Ông học ngành Vật lý và nhận bằng Cử nhân xuất sắc từ Đại học Oxford. Sau đó, ông nộp đơn xin làm lý thuyết vật lý tại Oxford và Cambridge, và làm khoa học máy tính tại MIT, Carnegie Mellon và Stanford. Ông từng bị lỡ thời hạn đăng ký vào Stanford, nhưng may mắn thay Stanford ra thêm thời hạn, ông được nhận vào Stanford và lấy bằng tiến sĩ về Khoa học Máy tính.

Trong thời gian học Tiến sĩ, Stuart tập trung vào giải quyết vấn đề tự ra quyết định của AI qua nghiên cứu về lý luận quy nạp và lý luận tương tự. Stuart dựa vào cách bộ não con người đưa ra quyết định, và áp dụng những kiến thức này để cải thiện việc ra quyết định của AI.

Ông luôn cố gắng ngăn chặn những rủi ro tiềm tàng từ AI. Ông đưa ra một vài nguy cơ khi áp dụng AI sai cách:

  • Một hệ thống siêu việt như trong cuốn Superintellect sẽ là mối nguy cho nhân loại.
  • Nhân loại có thể chế tạo ra những cỗ máy giết người tối tân như trong phim Slaughterbots.
  • Lạm dụng AI có thể biến thế giới như trong Wall-E, nơi loài người chỉ giải trí ăn uống trong khi máy móc đảm nhận tất cả các nhiệm vụ khác.

Ngoài ra, ông còn là Giáo sư khoa Khoa học Máy tính tại Đại học California, Berkeley và Giáo sư thỉnh giảng của khoa Phẫu thuật Thần kinh tại Đại học California, San Francisco.

Theo BecomingHuman.ai

Tin liên quan: