حمایت مالی شد
ارائه شده توسط اینتل
محاسبات همه جا حاضر باعث ایجاد انبوهی از داده ها شده است که فراتر از توانایی های پردازش انسان است. فناوری های هوش مصنوعی به عنوان تنها راه عملی برای تبدیل این داده ها به اطلاعات ظاهر شده اند. همانطور که محاسبات بیشتر داده های بیشتری تولید می کند، قدرت محاسباتی بیشتری برای تقویت هوش مصنوعی مورد نیاز است. نسل بعدی هوش مصنوعی به زودی به دنبال سیستم های محاسباتی در مقیاس سیاره ای خواهد بود تا نیازهای محاسباتی هوش مصنوعی را تقویت کند. ما برخی از فناوری‌ها، مانند محاسبات نورومورفیک و کوانتومی را بررسی می‌کنیم که گام بعدی را در عملکردی که با سیستم‌های محاسباتی فعلی غیرقابل حل است، باز می‌کند.
آرون سوبرامانیان برای رهبری تیم استراتژی ابر و هوش مصنوعی به اینتل پیوست. آرون از AWS به اینتل پیوست، جایی که او تیم راه حل های جهانی برای یادگیری ماشین، محاسبات کوانتومی، محاسبات با عملکرد بالا (HPC)، وسایل نقلیه خودمختار، و محاسبات خودکار در AWS را رهبری کرد. تیم او مسئول توسعه راه‌حل‌ها در تمام زمینه‌های HPC، محاسبات کوانتومی، و برنامه‌های کاربردی یادگیری ماشینی در مقیاس بزرگ بود که مجموعه‌ای از 1.5 میلیارد دلار را در بر می‌گرفت. آرون تیم های جهانی را برای محاسبات خودمختار و محاسبات کوانتومی به بازار و راه حل ها در AWS تأسیس و رشد داد و کسب و کارها را 2 تا 3 برابر افزایش داد.
حوزه‌های اصلی تمرکز تحقیقاتی آرون، روش‌های بیزی، بهینه‌سازی جهانی، یادگیری عمیق احتمالی برای کاربردهای مقیاس بزرگ و محاسبات توزیع‌شده است. او از کار در تقاطع محاسبات موازی و مدل سازی سیستم های در مقیاس بزرگ لذت می برد. قبل از AWS، آرون تیم محصولات هوش مصنوعی را در بخش نفت و گاز جنرال الکتریک تاسیس و رهبری کرد و تجارت محصولات دیجیتال را با موفقیت توسعه داد. او و تیمش تجزیه و تحلیل ترکیبی مبتنی بر یادگیری عمیق را برای تمام بخش‌های صنعت نفت و گاز توسعه دادند. آرون توسعه پلتفرم Digital Twin برای جنرال الکتریک را در مرکز تحقیقات جهانی جنرال الکتریک رهبری کرد. این پلت فرم همچنان چندین هزار مهندس را قادر می سازد تا مدل های پیشرفته را به طور موثر بسازند. تکنیک‌های مدل‌سازی خسارت تجمعی خاص دارایی که او و تیمش پیشگام بودند، استاندارد مدل‌سازی آسیب صنعتی را تعریف می‌کنند.
او به عنوان یک کمربند مشکی مستر شش سیگما، تکنیک‌ها و ابزارهای پیشرفته‌ای را برای مدل‌سازی کارآمد سیستم‌های مقیاس بزرگ مانند ناوگان موتور جت، توربین‌های گازی در نیروگاه‌ها و زمان‌های طراحی شتاب‌دهنده 3 تا 4 برابر توسعه داد. آرون محققی پرکار با مدرک دکترا است. در رشته مهندسی هوافضا از دانشگاه پردو با 19 اختراع اعطا شده (54 ثبت شده) و بیش از 50 نشریه بین المللی که بیش از 1000 بار با شاخص h 13 مورد استناد قرار گرفته اند. او همچنین دریافت کننده جایزه هال از جنرال الکتریک است که افتخار دارد. فن‌آوران برای تأثیر فنی برجسته‌شان.
الیزابت برامسون-بودرو، مدیر عامل و ناشر MIT Technology Review، شرکت رسانه ای مستقل موسسه فناوری ماساچوست است.
از زمانی که الیزابت سکان مدیریت MIT Technology Review را در اواسط سال 2017 به دست گرفت، این تجارت از موقعیت قبلی خود به عنوان یک مجله چاپی معتبر اما خاص به یک برند رسانه ای پرخواننده و چند پلتفرمی با مخاطب جهانی و یک تجارت پایدار دستخوش تغییر و تحول شد. . تحت رهبری او، MIT Technology Review به دلیل اقتدار ویراستاری، بهترین رویدادهای کلاس، و استفاده جدید از تحقیقات مستقل و اصلی برای حمایت از تبلیغ‌کنندگان و خوانندگان مورد تحسین قرار گرفته است.
الیزابت سابقه ای 20 ساله در ساخت و اداره تیم در شرکت های رسانه ای پیشرو در جهان دارد. او تمرکز زیادی بر روش‌های جدید برای تجاری‌سازی محتوای رسانه‌ای دارد تا برای مشتریان فهیم، خواستار و همچنین مخاطبان B2B جذاب باشد.
قبل از پیوستن به MIT Technology Review، الیزابت یک نقش اجرایی ارشد در گروه اکونومیست داشت، جایی که رهبری او در سراسر خطوط تجاری گسترده شد و شامل ادغام و تملک شد. ایجاد و نوسازی سرمقاله و محصول؛ حراجی؛ بازار یابی؛ و رویدادها او در اوایل کار خود به عنوان مشاور به شرکت های فناوری در زمینه ورود به بازار و گسترش بین المللی مشاوره می داد.
الیزابت دارای مدرک MBA اجرایی از مدرسه بازرگانی لندن، کارشناسی ارشد از دانشکده اقتصاد لندن و مدرک لیسانس از کالج Swarthmore است.
یک سری بررسی فناوری MIT به بررسی این موضوع می‌پردازد که چگونه هوش مصنوعی با سلب مالکیت جوامعی که قبلاً سلب مالکیت شده‌اند، عده‌ای قدرتمند را غنی می‌کند.
شرکت مادر فیس بوک از محققان دعوت می کند تا ایرادات نسخه GPT-3 خود را بررسی کرده و آن را جدا کنند.
آخرین هوش مصنوعی تصویرسازی OpenAI شگفت‌انگیز است، اما سؤالاتی را در مورد اینکه منظور ما از هوش چیست، ایجاد می‌کند.
با افزایش تقاضا برای برچسب گذاری داده ها، یک فاجعه اقتصادی ونزوئلا را به زمین صفر برای مدل جدیدی از استثمار نیروی کار تبدیل کرد.
پیشنهادهای ویژه، داستان های برتر، رویدادهای آینده و موارد دیگر را کشف کنید.
از اینکه ایمیل خود را ثبت کردید، متشکریم!
به نظر می رسد مشکلی پیش آمده است.
ما در ذخیره تنظیمات برگزیده شما با مشکل روبرو هستیم. سعی کنید این صفحه را بازخوانی کنید و یک بار دیگر آنها را به روز کنید. اگر همچنان این پیام را دریافت می‌کنید، با فهرستی از خبرنامه‌هایی که می‌خواهید دریافت کنید، با ما از طریق customer-service@technologyreview.com تماس بگیرید.
گزارش‌های عمیق ما نشان می‌دهد که اکنون چه خبر است تا شما را برای اتفاقات بعدی آماده کند.
اشتراک در برای حمایت از روزنامه نگاری ما
© 2022 بررسی فناوری MIT
