Yann LeCun

Da Wikipedia, l'enciclopedia libera.
Jump to navigation Jump to search
Yann LeCun

Yann LeCun (Parigi, 8 luglio 1960) è uno scienziato e informatico francese naturalizzato statunitense.

Introduzione[modifica | modifica wikitesto]

Particolarmente noto per i suoi rilevanti contributi nei campi dell'apprendimento automatico, della visione artificiale, della robotica e delle neuroscienze computazionali. In particolare, è noto per lo sviluppo di reti neurali convoluzionali (CNN), aver rivoluzionato il campo della visione artificiale usando il settore del Riconoscimento ottico dei caratteri.[1][2] È anche una delle principali menti che collaborarono alla creazione di DjVu, una tecnologia di compressione delle immagini. Insieme a Léon Bottou, ha sviluppato il linguaggio di programmazione Lush.

Biografia[modifica | modifica wikitesto]

Nacque nel 1960 in un sobborgo di Parigi. Nel 1983 si diploma a Parigi in ingegneria, (Diplôme d'Ingénieur) presso la Ecole Superieure d'Ingénieur en Electrotechnique et Electronique (ESIEE), e nel 1987 il dottorato in Informatica presso l'Università Pierre e Marie Curie, durante il quale ha proposto una prima variante dell'algoritmo noto come back-propagation, utilizzato successivamente come principale metodo di apprendimento delle reti neurali artificiali.[3] È stato postdoc presso il laboratorio di Geoffrey Hinton all'Università di Toronto.

Nel 1988, presso i Bell Laboratories, a Murray Hill, in New Jersey, è diventato membro del Diparimento dell'Adaptive Systems Research, sotto la guida di Lawrence D. Jackel. In questi anni, si dedicò allo sviluppo di una serie di nuovi algoritmi di apprendimento automatico, tra i quali i più noti sono sicuramente una serie di modelli ispirati dalla biologia, sviluppati per il riconoscimento automatico di immagini, note come Reti neurali convoluzionali,[4] ed il metodo di regolarizzazione, noto come Optimal Brain Damage,[5] metodologie applicate principalmente nel riconoscimento di testi scritti a mano e OCR.[6] Ha inoltre contribuito alla creazione di un sistema di riconoscimento dei controlli bancari, ampiamente diffuso sia dalla NCR che da altre società, arrivando a leggere oltre il 10% di tutti i controlli negli Stati Uniti, tra la fine degli anni '90 e l'inizio del 2000.

Nel 1996 ha ricoperto l'incarico di ricercatore principale presso i Laboratori AT&T, nel Dipartimento di Processazione delle Immagini, parte allora del Laboratorio per la processazione automatica del linguaggio e delle immagini guidato da Lawrence Rabiner. In questo contesto ha lavorato principalmente sulla tecnologia DjVu,[7] tuttora usata da numerosi siti internet tra cui l'Internet Archive.

Dopo un breve incarico presso il NEC Research Institute di Princeton, nel 2003 ha ottenuto una docenza in Informatica e in Neuroscienze sia presso la New York University, che presso la Tandon School of Engineering[8][9]. In questo ruolo, si è dedicato principalmente allo sviluppo di algoritmi per l'apprendimento, sia supervisionando che non supervisionando (supervised e unsupervised learning),[10] le tecnologia di visione artificiale[11] e di robotica.[12]

Nel 2012 ha fondato, presso la New York University, il Centro della Scienza dei Dati.[13] Nel 2013, in collaborazione con Yoshua Bengio, ha fondato la International Conference on Learning Representations. Nel Dicembre 2013 è diventato il primo direttore del Facebook AI Research a New York,[14] interrompendo il lavoro presso la New York University nei primi mesi del 2014.

Nel 2016 è stato nominato professore ospite (Visiting Professor) presso il Collège de France di Parigi. La sua conferenza inaugurale (leçon inaugurale) ha costituito un momento importante nella vita intellettuale parigina.

Nel marzo 2019 ha ricevuto il premio Turing (insieme a Yoshua Bengio e Geoffrey Hinton) per le scoperte concettuali e ingegneristiche che hanno reso le reti neurali profonde un componente critico dell'informatica.[15]

Note[modifica | modifica wikitesto]

  1. ^ Convolutional Nets and CIFAR-10: An Interview with Yann LeCun.
  2. ^ Yann LeCun, Léon Bottou, Yoshua Bengio e Patrick Haffner, Gradient-based learning applied to document recognition (PDF), in Proceedings of the IEEE, vol. 86, nº 11, 1998, pp. 2278–2324, DOI:10.1109/5.726791. URL consultato il 16 novembre 2013.
  3. ^ Y. LeCun: Une procédure d'apprentissage pour réseau a seuil asymmetrique (a Learning Scheme for Asymmetric Threshold Networks), Proceedings of Cognitiva 85, 599–604, Paris, France, 1985.
  4. ^ Y. LeCun, B. Boser, J. S. Denker, D. Henderson, R. E. Howard, W. Hubbard and L. D. Jackel: Backpropagation Applied to Handwritten Zip Code Recognition, Neural Computation, 1(4):541-551, Winter 1989.
  5. ^ Yann LeCun, J. S. Denker, S. Solla, R. E. Howard and L. D. Jackel: Optimal Brain Damage, in Touretzky, David (Eds), Advances in Neural Information Processing Systems 2 (NIPS*89), Morgan Kaufmann, Denver, CO, 1990.
  6. ^ Yann LeCun, Léon Bottou, Yoshua Bengio and Patrick Haffner: Gradient Based Learning Applied to Document Recognition, Proceedings of IEEE, 86(11):2278–2324, 1998.
  7. ^ Léon Bottou, Patrick Haffner, Paul G. Howard, Patrice Simard, Yoshua Bengio and Yann LeCun: High Quality Document Image Compression with DjVu, Journal of Electronic Imaging, 7(3):410–425, 1998.
  8. ^ poly.edu, http://www.poly.edu/academics/departments/electrical/people.
  9. ^ http://yann.lecun.com/
  10. ^ Yann LeCun, Sumit Chopra, Raia Hadsell, Ranzato Marc'Aurelio and Fu-Jie Huang: A Tutorial on Energy-Based Learning, in Bakir, G. and Hofman, T. and Schölkopf, B. and Smola, A. and Taskar, B. (Eds), Predicting Structured Data, MIT Press, 2006.
  11. ^ Kevin Jarrett, Koray Kavukcuoglu, Marc'Aurelio Ranzato and Yann LeCun: What is the Best Multi-Stage Architecture for Object Recognition?, Proc.
  12. ^ Raia Hadsell, Pierre Sermanet, Marco Scoffier, Ayse Erkan, Koray Kavackuoglu, Urs Muller and Yann LeCun: Learning Long-Range Vision for Autonomous Off-Road Driving, Journal of Field Robotics, 26(2):120–144, February 2009.
  13. ^ http://cds.nyu.edu
  14. ^ https://www.facebook.com/yann.lecun/posts/10151728212367143
  15. ^ (EN) Fathers of the Deep Learning revolution receive 2018 ACM A.M. Turing Award, su www.acm.org. URL consultato il 29 marzo 2019.

Altri progetti[modifica | modifica wikitesto]

Collegamenti esterni[modifica | modifica wikitesto]

Controllo di autoritàVIAF (EN46841749 · ISNI (EN0000 0000 0782 7909 · LCCN (ENno2002032333 · ORCID (EN0000-0002-1992-2684 · BNF (FRcb12379001x (data) · WorldCat Identities (ENno2002-032333