थॉमस जी. डिटेरिच एक अमेरिकी कंप्यूटर वैज्ञानिक और ओरेगन स्टेट यूनिवर्सिटी में कंप्यूटर विज्ञान के एमेरिटस प्रोफेसर हैं। उन्हें मशीन लर्निंग के क्षेत्र के अग्रणी लोगों में से एक के रूप में मान्यता प्राप्त है, जिन्होंने मौलिक एल्गोरिदम और ढांचे का योगदान दिया जिन्होंने आधुनिक कृत्रिम बुद्धिमत्ता अनुसंधान को आकार दिया। उनका कार्य बहु-वर्ग वर्गीकरण, पदानुक्रमित सुदृढीकरण लर्निंग, और सांख्यिकीय विधियों को संभाव्य मॉडलों में एकीकृत करने तक फैला हुआ है, जिसके अनुप्रयोग पारिस्थितिकी से लेकर कंप्यूटर सुरक्षा तक हैं।
डिटेरिच ने मशीन लर्निंग के शैक्षणिक बुनियादी ढांचे में भी महत्वपूर्ण भूमिका निभाई, 1992 से 1998 तक जर्नल मशीन लर्निंग के कार्यकारी संपादक के रूप में सेवा की और जर्नल ऑफ मशीन लर्निंग रिसर्च को सह-स्थापित करने में मदद की। वे कृत्रिम बुद्धिमत्ता के जोखिमों और लाभों के बारे में सार्वजनिक चर्चाओं में एक प्रमुख आवाज रहे हैं, जो नेशनल पब्लिक रेडियो, बिजनेस इनसाइडर, माइक्रोसॉफ्ट रिसर्च, सीनेट, और द वॉल स्ट्रीट जर्नल जैसे मीडिया आउटलेट्स को एक शैक्षणिक दृष्टिकोण प्रदान करते हैं।
प्रारंभिक जीवन और शिक्षा
थॉमस डिटेरिच का जन्म 1954 में साउथ वेमाउथ, मैसाचुसेट्स में हुआ था। उनका परिवार न्यू जर्सी और बाद में इलिनोइस चला गया, जहाँ उन्होंने नेपरविल सेंट्रल हाई स्कूल से स्नातक किया। इसके बाद उन्होंने ओबेरलिन कॉलेज में भाग लिया, 1977 में गणित में डिग्री के साथ स्नातक किया, जिसमें संभाव्यता और सांख्यिकी पर ध्यान केंद्रित किया। 1977 की गर्मियों के दौरान, उन्होंने ओबेरलिन कॉलेज में योजना और अनुसंधान के निदेशक के सहायक के रूप में काम किया।
डिटेरिच ने अगले दो साल इलिनोइस विश्वविद्यालय, अर्बाना-शैंपेन में बिताए, इससे पहले स्टैनफोर्ड विश्वविद्यालय में कंप्यूटर विज्ञान में डॉक्टरेट की पढ़ाई शुरू की। उन्होंने 1984 में अपनी पीएच.डी. प्राप्त की, 1979 से 1984 तक ह्यूरिस्टिक प्रोग्रामिंग प्रोजेक्ट में शोध सहायक के रूप में काम करने के बाद। 1979 की गर्मियों में, उन्होंने नेपरविल, इलिनोइस में बेल टेलीफोन लेबोरेटरीज में तकनीकी कर्मचारियों के सदस्य के रूप में भी पद धारण किया, जहाँ उन्होंने कंप्यूटर-से-कंप्यूटर फ़ाइल स्थानांतरण और दूरस्थ स्विचिंग सिस्टम में माइक्रो-कोड वितरण पर काम किया।
ओरेगन स्टेट यूनिवर्सिटी में शैक्षणिक कैरियर
1984 में, डिटेरिच कोरवालिस, ओरेगन चले गए और ओरेगन स्टेट यूनिवर्सिटी में कंप्यूटर विज्ञान के सहायक प्रोफेसर के रूप में शामिल हुए। उन्हें 1988 में एसोसिएट प्रोफेसर और 1995 में पूर्ण प्रोफेसर के रूप में पदोन्नत किया गया। 2013 में, उन्हें विशिष्ट प्रोफेसर नामित किया गया, एक उपाधि जो उन्होंने 2016 में सेवानिवृत्ति तक धारण की। उन्होंने 2005 से इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर विज्ञान के स्कूल में बुद्धिमान सिस्टम अनुसंधान के निदेशक के रूप में भी कार्य किया।
अपने कैरियर के दौरान, डिटेरिच ने कई विश्राम और उद्योग पदों पर कार्य किया। 1991 से 1993 तक, वे साउथ सैन फ्रांसिस्को में एरिस फार्मास्युटिकल कॉर्पोरेशन में वरिष्ठ वैज्ञानिक थे। उन्होंने माईस्ट्रैंड्स, इंक. (2004–2005) और स्मार्ट डेस्कटॉप, इंक. (2006–2008) में मुख्य वैज्ञानिक के रूप में कार्य किया। 1998–1999 में, वे बार्सिलोना, स्पेन में कृत्रिम बुद्धिमत्ता के अनुसंधान संस्थान में विजिटिंग वरिष्ठ वैज्ञानिक थे। 2011 से, वे कोरवालिस स्थित मशीन लर्निंग कंपनी बिगएमएल में मुख्य वैज्ञानिक हैं।
अनुसंधान योगदान
डिटेरिच के शोध ने मशीन लर्निंग में कई प्रभावशाली विधियाँ उत्पन्न की हैं। उन्होंने त्रुटि-सुधार आउटपुट कोडिंग का आविष्कार किया, एक तकनीक जो समस्या को कई बाइनरी क्लासिफायर में विघटित करके और उनके आउटपुट को संयोजित करने के लिए त्रुटि-सुधार कोड का उपयोग करके बहु-वर्ग वर्गीकरण में सुधार करती है। उन्होंने बहु-उदाहरण समस्या को भी औपचारिक रूप दिया, एक सीखने का प्रतिमान जहाँ लेबल व्यक्तिगत उदाहरणों के बजाय उदाहरणों के बैग से जुड़े होते हैं, जिसके अनुप्रयोग दवा डिजाइन और छवि विश्लेषण में हैं।
सुदृढीकरण लर्निंग में, डिटेरिच ने पदानुक्रमित सुदृढीकरण लर्निंग के लिए MAXQ ढांचा विकसित किया, जो एक जटिल कार्य को उप-कार्यों में विघटित करता है और अधिक कुशल सीखने और योजना को सक्षम बनाता है। उन्होंने गैर-पैरामीट्रिक प्रतिगमन पेड़ों को संभाव्य ग्राफिकल मॉडलों में एकीकृत करने के तरीकों में भी योगदान दिया, जो सांख्यिकीय मशीन लर्निंग और संरचित भविष्यवाणी के बीच की खाई को पाटता है।
डिटेरिच ने मशीन लर्निंग के सभी पहलुओं में रुचि व्यक्त की है, जिसमें तीन प्रमुख धाराएँ हैं: एकीकृत बुद्धिमान सिस्टम का निर्माण, मानव-कंप्यूटर सहयोग को सक्षम करना, और पारिस्थितिक विज्ञान और पारिस्थितिकी तंत्र प्रबंधन के लिए मशीन लर्निंग लागू करना। कम्प्यूटेशनल स्थिरता में उनके कार्य में जंगल की आग प्रबंधन, आक्रामक वनस्पति, और पक्षी प्रवास मॉडलिंग पर परियोजनाएँ शामिल हैं। उदाहरण के लिए, उन्होंने कॉर्नेल लैब ऑफ ऑर्निथोलॉजी के साथ सहयोग किया ताकि ईबर्ड से डेटा का विश्लेषण किया जा सके, एक नागरिक विज्ञान मंच जिसने मार्च 2012 तक 3.1 मिलियन से अधिक पक्षी अवलोकन एकत्र किए, प्रवास पैटर्न को उजागर करने के लिए मशीन लर्निंग का उपयोग किया।
व्यावसायिक सेवा और नेतृत्व
डिटेरिच मशीन लर्निंग और एआई समुदायों के संगठन में गहराई से शामिल रहे हैं। उन्होंने राष्ट्रीय कृत्रिम बुद्धिमत्ता सम्मेलन (AAAI-90) के तकनीकी कार्यक्रम सह-अध्यक्ष, तंत्रिका सूचना प्रसंस्करण प्रणाली सम्मेलन (NIPS-2000) के तकनीकी कार्यक्रम अध्यक्ष, और NIPS-2001 के सामान्य अध्यक्ष के रूप में कार्य किया। वे अंतर्राष्ट्रीय मशीन लर्निंग सोसायटी के संस्थापक अध्यक्ष थे और इसकी स्थापना के बाद से इसके बोर्ड के सदस्य बने हुए हैं। वे एशियाई सम्मेलन ऑन मशीन लर्निंग की स्टीयरिंग समिति में भी कार्य करते हैं।
कई वर्षों तक, डिटेरिच एमआईटी प्रेस श्रृंखला ऑन एडेप्टिव कम्प्यूटेशन एंड मशीन लर्निंग के संपादक थे, और उन्होंने मॉर्गन क्लेपूल संश्लेषण श्रृंखला ऑन आर्टिफिशियल इंटेलिजेंस एंड मशीन लर्निंग का सह-संपादन किया। वे कृत्रिम बुद्धिमत्ता की उन्नति के लिए संघ (AAAI) के सदस्य भी रहे हैं, 2014 से 2016 तक इसके अध्यक्ष के रूप में सेवा करते हुए।
एआई जोखिमों पर दृष्टिकोण
डिटेरिच ने कृत्रिम बुद्धिमत्ता के खतरों पर एक संतुलित दृष्टिकोण पेश किया है, यह तर्क देते हुए कि सबसे यथार्थवादी जोखिम बुनियादी गलतियाँ, टूट-फूट, और साइबर हमले हैं, न कि मशीनें अति शक्तिशाली बनना या मानवता को नष्ट करना। वे आत्म-जागरूक मशीनों द्वारा मनुष्यों को खत्म करने के परिदृश्यों को वैज्ञानिक तथ्य से अधिक विज्ञान कथा मानते हैं। हालाँकि, वे स्वीकार करते हैं कि जैसे-जैसे कंप्यूटर सिस्टम को तेजी से खतरनाक कार्य दिए जाते हैं और अनुभव से सीखने के लिए कहा जाता है, वे गलतियाँ कर सकते हैं। वे ध्यान देते हैं कि एआई सुरक्षा समुदाय में अधिकांश कार्य दुर्घटनाओं और डिजाइन दोषों पर केंद्रित है, जो उनके दृष्टिकोण के अनुरूप है कि तकनीकी विश्वसनीयता प्राथमिक चिंता है।
विरासत और प्रभाव
डिटेरिच के योगदान ने सैद्धांतिक और व्यावहारिक दोनों मशीन लर्निंग को प्रभावित किया है। उनकी त्रुटि-सुधार आउटपुट कोडिंग और MAXQ ढांचा व्यापक रूप से उद्धृत और विभिन्न डोमेन में उपयोग किए जाते हैं। कम्प्यूटेशनल स्थिरता के लिए उनकी वकालत ने शोधकर्ताओं को पर्यावरणीय चुनौतियों के लिए मशीन लर्निंग लागू करने के लिए प्रेरित किया है। अपनी संपादकीय भूमिकाओं और सम्मेलन नेतृत्व के माध्यम से, उन्होंने आधुनिक मशीन लर्निंग समुदाय के लिए बुनियादी ढांचा स्थापित करने में मदद की, जो गहन शिक्षण और जनरेटिव एआई अनुसंधान के एक केंद्रीय क्षेत्र के रूप में विकसित हुआ है।
डिटेरिच का कैरियर कठोर विज्ञान और व्यावहारिक प्रभाव के प्रति प्रतिबद्धता को दर्शाता है। 2016 में ओरेगन स्टेट यूनिवर्सिटी से सेवानिवृत्त होने के बाद, उन्होंने सलाहकार भूमिकाओं और सार्वजनिक टिप्पणी के माध्यम से क्षेत्र के साथ जुड़ना जारी रखा। उनका कार्य जटिल वर्गीकरण और सुदृढीकरण लर्निंग समस्याओं को संबोधित करने वाले शोधकर्ताओं के लिए एक संदर्भ बिंदु बना हुआ है, और एआई जोखिमों पर उनका दृष्टिकोण सुरक्षित तैनाती के बारे में चर्चाओं को सूचित करना जारी रखता है।