جاشوا تننباوم

Josh Tenenbaum
Josh Tenenbaum
زادهٔ	21 August 1972
شهروندی	United States
محل تحصیل	Yale University; MIT
شناخته‌شده برای	Bayesian cognitive science
جایزه(ها)	Fellow, Society of Experimental Psychologists (2007); Fellow, Cognitive Science Society (2013); Fellow, MacArthur (2019);
	پیشینه علمی
شاخه(ها)	Artificial intelligence; Cognitive science
محل کار	Stanford University; MIT
پایان‌نامه	A Bayesian Framework for Concept Learning (1999)
استاد راهنما	Whitman Richards
دانشجویان دکتری	Thomas L. Griffiths, Rebecca Saxe

جاشوا برت تننبام (به انگلیسی Josh Tenenbaum) استاد علوم شناختی محاسباتی در موسسه فناوری ماساچوست است.^[۲] او برای کمک به روان‌شناسی ریاضی و علوم شناختی بیزی شناخته شده است. به گفته بنیاد مک آرتور، که در سال ۲۰۱۹ او را به عنوان همکار مک آرتور معرفی کرد، «تننبام یکی از اولین کسانی است که مدل‌سازی احتمالی و آماری را برای مطالعه یادگیری، استدلال و ادراک انسان توسعه داده و به کار می‌گیرد و نشان می‌دهد که چگونه این مدل‌ها می‌توانند این چالش بنیادی در شناخت را توضیح دهند: چگونه ذهن ما چیزهای زیادی را از داده‌های کم و به این سرعت درک می‌کند."^[۳]

زندگی‌نامه[ویرایش]

تننبام در کالیفرنیا بزرگ شد. مادرش معلم^[۴] و پدرش پیشگام تجارت اینترنتی جی مارتین تننبام است.^[۵]

هدایت تحقیقاتی او شدیداً تحت تأثیر علاقه والدینش به تدریس و یادگیری و بعداً از تعامل با روان‌شناس شناختی راجر شپرد در طی سالهای تحصیل در ییل بود.^[۴]

تننبام مدرک لیسانس خود را در رشته فیزیک از دانشگاه ییل در سال ۱۹۹۳ و دکترای خود را در سال ۱۹۹۹ از مؤسسه فناوری ماساچوست دریافت کرد.^[۲] کار او بر تجزیه و تحلیل استنباط احتمالی به عنوان موتور شناخت انسان و به عنوان وسیله ای برای توسعه یادگیری ماشین تمرکز دارد.

در مؤسسه فناوری ماساچوست، تننبام استاد علوم شناختی محاسباتی و عضو آزمایشگاه علوم کامپیوتر و هوش مصنوعی مؤسسه فناوری ماساچوست است. او آزمایشگاه علوم شناختی محاسباتی مؤسسه فناوری ماساچوست را رهبری می‌کند و همچنین رئیس یک پروژه هوش مصنوعی به نام ام‌آی‌تی در جستجوی هوش ^[الف] است.^[۶]^[۷]

در سال ۲۰۱۸، مجله آر اند دی ^[ب] تننبام را به عنوان «مبتکر سال» معرفی کرد.^[۴]

در سال ۲۰۱۹، تننبام به عنوان همکار مک آرتور انتخاب شد. صفحه وب مک آرتور کار او را اینگونه توصیف می‌کند: «ترکیب مدل‌های محاسباتی با آزمایش‌های رفتاری برای روشن کردن یادگیری، استدلال و ادراک انسان و کشف چگونگی نزدیک کردن هوش مصنوعی به قابلیت‌های تفکر انسان.»^[۳]

تحقیقات اخیر تننباوم شامل آموزش سیستم‌های هوش مصنوعی برای تقلید از روش‌های تشخیص چهره انسان^[۷] و برنامه‌ریزی هوش مصنوعی برای درک علت و معلول است.^[۸]

انتشارات[ویرایش]

تننبام فهرستی از انتشارات خود را در صفحه وب MIT خود و در گوگل اسکولار^[۹] دارد.

واژه‌نامه[ویرایش]

↑ MIT Quest for Intelligence
↑ R & D

منابع[ویرایش]

↑ "Joshua Tenenbaum - MacArthur Foundation". www.macfound.org. Retrieved 2019-10-16.
↑ ^۲٫۰ ^۲٫۱ "JOSHUA BRETT TENENBAUM Curriculum Vitae" (PDF). MIT. June 2020.
↑ ^۳٫۰ ^۳٫۱ "Joshua Tenenbaum - MacArthur Foundation". www.macfound.org. Retrieved 2019-10-16."Joshua Tenenbaum - MacArthur Foundation".
↑ ^۴٫۰ ^۴٫۱ ^۴٫۲ Panjwani, Laura (December 18, 2018). "AI, Cognitive Science Researcher Josh Tenenbaum Named R&D Magazine's 2018 Innovator of the Year". R & D Magazine. Retrieved February 10, 2019. Tenenbaum’s scientific work currently focuses on two areas: describing the structure, content and development of people’s common sense theories, especially intuitive physics and intuitive psychology, and understanding how people are able to learn and generalize new concepts, models, theories and tasks from very few examples, a concept known as “one-shot learning. ”
↑ Luttrell, Sharon Kahn (May 7, 2007). "Marty Tenenbaum '64, SM '66". MIT Technology Review. Retrieved February 10, 2019. Meanwhile, his son Josh Tenenbaum, PhD ‘98, has followed his father’s footsteps to MIT. He’s an assistant professor in the Department of Brain and Cognitive Science.
↑ Knight, Will (September 12, 2018). "A plan to advance AI by exploring the minds of children". MIT Technology Review. Retrieved February 10, 2019. For instance, in 2015 he and two other researchers created computer programs capable of learning to recognize new handwritten characters, as well as certain objects in images, after seeing just a few examples. This is important because the best machine-learning programs typically require huge quantities of training data.
↑ ^۷٫۰ ^۷٫۱ Trafton, Anne (March 4, 2020). "A new model of vision". MIT News. Retrieved March 20, 2021. 'What we were trying to do in this work is to explain how perception can be so much richer than just attaching semantic labels on parts of an image, and to explore the question of how do we see all of the physical world,' says Josh Tenenbaum, a professor of computational cognitive science and a member of MIT’s Computer Science and Artificial Intelligence Laboratory (CSAIL) and the Center for Brains, Minds, and Machines (CBMM).
↑ Knight, Will (March 9, 2020). "If AI's So Smart, Why Can't It Grasp Cause and Effect?". Wired. Retrieved March 20, 2021. The test devised by Tenenbaum is important, says Kun Zhang, an assistant professor who works on causal inference and machine learning at Carnegie Mellon University, because it provides a good way to measure causal understanding, albeit in a very limited setting.
↑ «Joshua B. Tenenbaum». scholar.google.com. دریافت‌شده در ۲۰۲۴-۰۴-۲۱.

[6] MIT Quest for Intelligence

[9] R & D

[MacArthur1-1] "Joshua Tenenbaum - MacArthur Foundation". www.macfound.org. Retrieved 2019-10-16.

[2020CV-2] ۲٫۰ ^۲٫۱ "JOSHUA BRETT TENENBAUM Curriculum Vitae" (PDF). MIT. June 2020.

[MacArthur-3] ۳٫۰ ^۳٫۱ "Joshua Tenenbaum - MacArthur Foundation". www.macfound.org. Retrieved 2019-10-16."Joshua Tenenbaum - MacArthur Foundation".

[award-4] ۴٫۰ ^۴٫۱ ^۴٫۲ Panjwani, Laura (December 18, 2018). "AI, Cognitive Science Researcher Josh Tenenbaum Named R&D Magazine's 2018 Innovator of the Year". R & D Magazine. Retrieved February 10, 2019. Tenenbaum’s scientific work currently focuses on two areas: describing the structure, content and development of people’s common sense theories, especially intuitive physics and intuitive psychology, and understanding how people are able to learn and generalize new concepts, models, theories and tasks from very few examples, a concept known as “one-shot learning. ”

[MartyFather-5] Luttrell, Sharon Kahn (May 7, 2007). "Marty Tenenbaum '64, SM '66". MIT Technology Review. Retrieved February 10, 2019. Meanwhile, his son Josh Tenenbaum, PhD ‘98, has followed his father’s footsteps to MIT. He’s an assistant professor in the Department of Brain and Cognitive Science.

[MIT_Tech-7] Knight, Will (September 12, 2018). "A plan to advance AI by exploring the minds of children". MIT Technology Review. Retrieved February 10, 2019. For instance, in 2015 he and two other researchers created computer programs capable of learning to recognize new handwritten characters, as well as certain objects in images, after seeing just a few examples. This is important because the best machine-learning programs typically require huge quantities of training data.

[MIT-face2020-8] ۷٫۰ ^۷٫۱ Trafton, Anne (March 4, 2020). "A new model of vision". MIT News. Retrieved March 20, 2021. 'What we were trying to do in this work is to explain how perception can be so much richer than just attaching semantic labels on parts of an image, and to explore the question of how do we see all of the physical world,' says Josh Tenenbaum, a professor of computational cognitive science and a member of MIT’s Computer Science and Artificial Intelligence Laboratory (CSAIL) and the Center for Brains, Minds, and Machines (CBMM).

[Tenebaum_Wired2020-10] Knight, Will (March 9, 2020). "If AI's So Smart, Why Can't It Grasp Cause and Effect?". Wired. Retrieved March 20, 2021. The test devised by Tenenbaum is important, says Kun Zhang, an assistant professor who works on causal inference and machine learning at Carnegie Mellon University, because it provides a good way to measure causal understanding, albeit in a very limited setting.

[11] «Joshua B. Tenenbaum». scholar.google.com. دریافت‌شده در ۲۰۲۴-۰۴-۲۱.

[۱]

[۲]

[۳]

[۴]

[۵]

[الف]

[۶]

[۷]

[ب]

[۸]

[۹]