Nhà tiên phong ML John Platt chia sẻ về AI cho khoa học và công nghệ khí hậu
Nhà tiên phong học máy John Platt đã xuất hiện trên podcast Latent Space để thảo luận về sự phát triển của các thuật toán ML cổ điển, các dự án AI cho Khoa học của Google, và cách khoa học tự động hóa có thể giải quyết các thách thức toàn cầu như biến đổi khí hậu. Khi trí tuệ nhân tạo mở rộng vượt ra ngoài việc tạo văn bản để hướng tới đẩy nhanh khám phá khoa học, góc nhìn từ các nhân tố nền tảng như Platt cho thấy cách ML có thể biến đổi lĩnh vực năng lượng, khoa học vật liệu và mô hình hóa khí hậu. John Platt nổi tiếng trong khoa học máy tính nhờ việc sáng chế ra Tối ưu hóa Tối thiểu Nối tiếp (SMO) để huấn luyện SVM và Hiệu chỉnh Platt (Platt scaling) để hiệu chỉnh xác suất, cả hai đều là thành phần cốt lõi trong các thư viện như scikit-learn. Bên cạnh những đóng góp nghiên cứu, ông từng đoạt giải Oscar Khoa học & Kỹ thuật, có hai tiểu hành tinh mang tên mình, và hiện đang dẫn dắt các sáng kiến nghiên cứu AI tại Google.
## KIẾN THỨC NỀN
Tối ưu hóa Tối thiểu Nối tiếp (SMO) đã đơn giản hóa đáng kể việc huấn luyện Máy Vector Hỗ trợ (SVM) bằng cách chia nhỏ các bài toán quy hoạch toàn cục lớn thành các bài toán phụ nhỏ hơn. Trong khi đó, Hiệu chỉnh Platt khớp mô hình hồi quy logistic vào đầu ra SVM thô để tạo ra các xác suất được hiệu chuẩn, một kỹ thuật vẫn được sử dụng rộng rãi trong các quy trình học máy hiện đại.