Paul Smolensky - Paul Smolensky
Paul Smolensky | |
---|---|
Urodzony | 5 maja 1955 |
Narodowość | USA |
Alma Mater | Harvard University , Indiana University |
Znany z | Teoria optymalności , fonologia , składnia , akwizycja języka , zdolność uczenia się , sztuczne sieci neuronowe , ograniczone maszyny Boltzmanna |
Nagrody | Nagroda Rumelharta (2005) |
Kariera naukowa | |
Pola | Kognitywistyka , językoznawstwo , lingwistyka komputerowa , sztuczna inteligencja |
Instytucje | Johns Hopkins University , Microsoft Research, Redmond |
Stronie internetowej | w JHU , w MSR |
Paul Smolensky (ur. 5 maja 1955 r.) Jest profesorem nauk kognitywnych Krieger-Eisenhower na Uniwersytecie Johnsa Hopkinsa i współpracownikiem naukowym w Microsoft Research w Redmond Washington.
Wraz z Alanem Prince'em w 1993 roku opracował teorię optymalności , formalizm gramatyczny, który dostarcza formalnej teorii międzyjęzykowej typologii (lub gramatyki uniwersalnej ) w ramach językoznawstwa . Teoria optymalności jest powszechnie stosowana w fonologii , subdziedzinie, do której została pierwotnie zastosowana, ale została rozszerzona na inne obszary lingwistyki, takie jak składnia i semantyka .
Smolensky jest laureatem Nagrody Rumelharta 2005 za opracowanie Architektury ICS, modelu poznania, który ma na celu ujednolicenie koneksjonizmu i symbolizmu , w którym symboliczne reprezentacje i operacje przejawiają się jako abstrakcje na bazowych połączeniach lub sztucznych sieciach neuronowych . Architektura ta opiera się na reprezentacjach produktów Tensor , kompozycyjnych osadzeniach struktur symbolicznych w przestrzeniach wektorowych. Obejmuje ramy gramatyki harmonicznej , oparty na koneksjonistach formalizm gramatyki numerycznej, który opracował wraz z Géraldine Legendre i Yoshiro Miyatą , który był poprzednikiem teorii optymalności . Architektura ICS opiera się na teorii harmonii, formalizmie dla sztucznych sieci neuronowych, który wprowadził ograniczoną architekturę maszyny Boltzmanna . Ta praca, aż do początku XXI wieku, została przedstawiona w dwutomowej książce napisanej z Géraldine Legendre, The Harmonic Mind . Kolejna praca wprowadziła Gradient Symbolic Computation , w której mieszanki częściowo aktywowanych symboli zajmują mieszanki pozycji w dyskretnych strukturach, takich jak drzewa lub wykresy. Zostało to z powodzeniem zastosowane do wielu problemów w językoznawstwie teoretycznym, gdzie tradycyjne dyskretne struktury językowe okazały się nieodpowiednie, a także do przyrostowego przetwarzania zdań w psycholingwistyce. We współpracy z kolegami z Microsoft Research i Johnsem Hopkinsem, Gradient Symbolic Computation zostało osadzone w sieciach neuronowych z wykorzystaniem uczenia głębokiego, aby rozwiązać szereg problemów związanych z rozumowaniem i przetwarzaniem języka naturalnego.
Jednym z jego innych ważnych wkładów jest koncepcja lokalnej koniunkcji ograniczeń językowych, w której dwa ograniczenia łączą się w jedno silniejsze ograniczenie, które jest naruszane tylko wtedy, gdy oba jego spójniki są naruszane w tej samej określonej domenie lokalnej. Lokalna koniunkcja została zastosowana do analizy różnych efektów „superaddytywnych” w teorii optymalności. Wraz z Bruce'em Tesarem ( Rutgers University ), Smolensky wniósł również znaczący wkład w badanie zdolności uczenia się gramatyki Teoretycznej Optymalności (w sensie teorii uczenia się obliczeniowego ).
Smolensky był członkiem-założycielem grupy badawczej Parallel Distributed Processing na Uniwersytecie Kalifornijskim w San Diego , a obecnie jest członkiem Center for Language and Speech Processing na Johns Hopkins University oraz Deep Learning Group w Microsoft Research , Redmond Washington .
Bibliografia
Linki zewnętrzne
- Paul Smolensky Homepage at Johns Hopkins
- Paul Smolensky Homepage at Microsoft Research
- Nagroda Davida E. Rumelharta