Ryszard neapolitański - Richard Neapolitan
Ryszard Neapolitański | |
|---|---|
 | |
| Urodzony |
Richard Eugene Neapolitański
|
| Zmarły | 29 stycznia 2020 |
| Edukacja |
University of Illinois ( BS ) Illinois Institute of Technology ( MS , PhD ) |
| Kariera naukowa | |
| Pola |
matematyka informatyka |
Richard Eugene Neapolitan był amerykańskim naukowcem. Neapolitańczyk jest najbardziej znany ze swojej roli w ustaleniu zastosowania teorii prawdopodobieństwa w sztucznej inteligencji oraz w rozwoju polowych sieci bayesowskich .
Biografia
Neapolitańczyk dorastał w latach 50. i 60. w Westchester w stanie Illinois , które jest zachodnimi przedmieściami Chicago . Uzyskał stopień doktora nauk technicznych. w matematyce z Illinois Institute of Technology . Neapolitańczyk zauważa, że z powodu nadmiaru matematyków i recesji w latach 70. nie był w stanie uzyskać stanowiska akademickiego po uzyskaniu doktoratu, dlatego pracował jako model i na różnych stanowiskach związanych z informatyką. To ostatnie doświadczenie umożliwiło mu uzyskanie stanowiska wydziału na Wydziale Informatyki Uniwersytetu Northeastern Illinois (NEIU) w 1980 roku. Odbył większość swojej kariery akademickiej w NEIU, w tym został Katedrą Informatyki w 2002 roku.
Badania
W latach 80. badacze kognitywistyki (np. Judea Pearl ), informatyki (np. Peter C. Cheeseman i Lotfi Zadeh ), analizy decyzji (np. Ross Shachter ), medycyny (np. David Heckerman i Gregory Cooper ), matematyki a statystyki (np. neapolitański, Tod Levitt i David Spiegelhalter ) oraz filozofia (np. Henry Kyburg ) spotkali się na nowo utworzonym Workshop on Uncertainty in Artificial Intelligence, aby omówić, jak najlepiej przeprowadzać niepewne wnioskowanie w sztucznej inteligencji. Neapolitan zaprezentował ekspozycję na temat zastosowania klasycznego podejścia do prawdopodobieństwa w porównaniu z podejściem bayesowskim w sztucznej inteligencji na warsztatach w 1988 roku. Obszerniejszy traktat filozoficzny dotyczący różnicy między tymi dwoma podejściami i zastosowania prawdopodobieństwa do sztucznej inteligencji pojawił się w jego tekście z 1989 r. Probabilistic Reasoning in Expert Systems: Theory and Algorithms .
Ściśle związane z kwestią reprezentowania niepewności w sztucznej inteligencji, badacze z Warsztatu Niepewność w Sztucznej Inteligencji opracowali i omówili modele graficzne, które mogą reprezentować duże łączne rozkłady prawdopodobieństwa. Neapolitańczyk sformułował te wysiłki w spójną dziedzinę w tekście Probabilistic Reasoning in Expert Systems: Theory and Algorithms . Tekst definiuje sieć przyczynową (bayesowską) i dowodzi twierdzenia, że skierowany graf acykliczny i dyskretny rozkład prawdopodobieństwa razem tworzą sieć bayesowską wtedy i tylko wtedy, gdy są równe iloczynowi jej rozkładów warunkowych w . Tekst zawiera również metody wnioskowania w sieciach bayesowskich oraz omówienie diagramów wpływu, które są sieciami bayesowskimi powiększonymi o węzły decyzyjne i węzły wartości. Od tego czasu wiele aplikacji AI zostało opracowanych przy użyciu sieci bayesowskich i diagramów wpływu.
„Rozumowanie probabilistyczne w systemach eksperckich” Neapolitana i „Rozumowanie probabilistyczne w systemach inteligentnych ” Judei Pearl zostały powszechnie uznane za formalizujące dziedzinę sieci bayesowskich, co widać w pracach Eugeniusza Charniaka , który w 1991 r. odnotował oba teksty jako źródło algorytmów wnioskowania sieci bayesowskiej; PW Jones, który napisał recenzję książki „Rozumowanie probabilistyczne w systemach eksperckich” w 1992 r.; Cooper i Herskovits, którzy przypisują tekst Neapolitana i tekst Pearla za sformalizowanie teorii sieci przekonań w swoim artykule z 1992 roku, w którym rozwinęli opartą na wynikach metodę uczenia sieci bayesowskich z danych; oraz Simon Parsons, który w 1995 r. porównał oba teksty i omówił ich rolę w tworzeniu dziedziny sieci probabilistycznych. Niedawno, w 2008 roku, Dawn Holmes omówiła karierę Neapolitańczyka i wkład jego pierwszego tekstu.
W latach 90. naukowcy starali się opracować metody, które mogłyby uczyć sieci bayesowskich na podstawie danych. Neapolitan przyswoił te wysiłki w 2003 roku w tekście Learning Bayesian Networks , który jest pierwszą książką poświęconą uczeniu się sieci bayesowskich. Inne książki o sieci bayesowskiej, których autorem jest neapolitański, obejmują Probabilistic Methods for Financial and Marketing Informatics , która stosuje sieci bayesowskie do problemów w finansach i marketingu; oraz Probabilistic Methods for Bioinformatics , który stosuje sieci bayesowskie do problemów biologii. Neapolitan napisał również Foundations of Algorithms i (wraz z Xia Jiang) Artificial Intelligence: With a Introduction to Machine Learning .