Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

李亚洲报道

AI先驱、A*算法发明者Nils Nilsson去世

4 月 23 日,人工智能先驱、斯坦福大学计算机科学 Kumagai 教授 Nils Nilsson 逝世,享年 86 岁。吴恩达、Yann LeCun 等人在 Twitter 上纷纷悼念。

Nils Nilsson 教授是人工智能领域的元老级人物,他在搜索、规划、知识表示等方面作出了卓越的贡献。据 Nils Nilsson 教授个人主页介绍,他在斯坦福国际研究院(SRI International)人工智能中心工作了 23 年,致力于统计和神经网络模式识别方法的研究。他共同参与发明了 A* 启发式搜索算法和 STRIPS 自动规划系统,并共同领导了集成移动机器人 SHAKEY 项目。

从 1985 年到 1990 年,Nilsson 教授一直在担任斯坦福大学计算机科学系主任,教授人工智能机器学习。同时,他也在研究机器人如何应对动态世界,并依此规划行为、学习经验。

此外,在其数十年的学术生涯中,Nils Nilsson 教授出版了五本人工智能书籍以及其他教科书,包括《Problem-Solving Methods in Artificial Intelligence》(1971)、《Principles of Artificial Intelligence》(1980)、《Artificial Intelligence: A New Synthesis》(1998)、《The Quest for Artificial Intelligence: A History of Ideas and Achievements》(2010)、《Understanding Beliefs》(2014)。

在《The Quest for Artificial Intelligence: A History of Ideas and Achievements》中,Nilsson 教授写道:「人工智能可能缺少统一的定义……对我来说,人工智能就是使机器变得智能,智能就是帮助实体在环境中恰当地运转,并对周围环境具备预见性。」

在追念 Nils Nilsson 教授的 Twitter 中,吴恩达表示,「愿我的朋友、同事、富有 AI 远见的 Nils Nilsson 教授安息。您在 A*算法上的研究有益于无数人(该算法可以用来找到从 A 到 B 的最短路径)。我将永远记住您的工作,以及您的善良。」

社区内许多其他研究者也纷纷在社交媒体上向 Nilsson 教授致敬,包括 Facebook 人工智能实验室首席科学家、图灵奖得主 Yann LeCun 等。

Nils Nilsson 最为人熟知的贡献是提出了著名的 A* 路径查找算法,同时他也是 SRI International Shakey 项目的领导者。Shakey 是首批具有视觉感知和轨迹规划移动机器人之一。

参考链接:http://robotics.stanford.edu/~nilsson/

产业Nils Nilsson斯坦福大学计算机科学系人工智能
相关数据
Stanford University - Computer Science Department机构

斯坦福大学计算机科学系隶属于工程学院,提供理学学士、理学硕士和哲学博士学位。它还参与了以下本科跨学科项目:计算机系统工程、符号系统、数学和计算科学。计算机科学系成立于1965年,是本科和研究生阶段的研究和教育中心。强大的研究团队致力于人工智能、机器人学、计算机科学基础、科学计算和系统领域的研究。计算机科学的基础工作是这些小组的主要研究目标,但是也非常强调跨学科研究和促进基础研究的应用。跨学科工作涉及化学、遗传学、语言学、物理学、医学以及工程、建筑和制造等各个领域。该系与大学其他系中对计算机感兴趣的研究人员保持密切联系。此外,教师和学生通常与附近研究机构或行业机构的调查人员一起工作。主要的教育目标是让学生为学界或业界的研究和教学职业做好准备。

吴恩达人物

斯坦福大学教授,人工智能著名学者,机器学习教育者。2011年,吴恩达在谷歌创建了谷歌大脑项目,以通过分布式集群计算机开发超大规模的人工神经网络。2014年5月16日,吴恩达加入百度,负责“百度大脑”计划,并担任百度公司首席科学家。2017年3月20日,吴恩达宣布从百度辞职。2017年12月,吴恩达宣布成立人工智能公司Landing.ai,并担任公司的首席执行官。2018年1月,吴恩达成立了投资机构AI Fund。

所属机构
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

轨迹规划技术

轨迹规划方法分为两个方面:对于移动机器人偏向于意指移动的路径轨迹规划,如机器人是在有地图条件或是没有地图的条件下,移动机器人按什么样的路径轨迹来行走;对于工业机器人则意指两个方向,机械臂末端行走的曲线轨迹,或是操作臂在运动过程中的位移、速度和加速度的曲线轮廓。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

启发式搜索技术

计算机科学的两大基础目标,就是发现可证明其运行效率良好且可得最佳解或次佳解的算法。而启发式算法则试图一次提供一个或全部目标。例如它常能发现很不错的解,但也没办法证明它不会得到较坏的解;它通常可在合理时间解出答案,但也没办法知道它是否每次都可以这样的速度求解。

移动机器人技术

移动机器人是一种能够移动的自动机器。移动机器人具有在其环境中移动的能力,并且不固定到一个物理位置。移动机器人可以“自动”主要是指它们能够在没有物理或机电引导装置的情况下导航非受控环境。相比之下,传统的工业机器人或多或少都是固定的(stationary)机械臂或抓取组件。

推荐文章
暂无评论
暂无评论~