टिमोथी लिलिक्रैप

टिमोथी पी. लिलिक्रैप एक कनाडाई तंत्रिका वैज्ञानिक और कृत्रिम बुद्धिमत्ता शोधकर्ता हैं। वे गूगल डीपमाइंड में एक स्टाफ रिसर्च साइंटिस्ट और यूनिवर्सिटी कॉलेज लंदन में एक सहायक प्रोफेसर हैं। उनका शोध मशीन लर्निंग और सांख्यिकी पर केंद्रित है, जो इष्टतम नियंत्रण और निर्णय लेने के लिए उपयोग होती है, और वे इन गणितीय ढाँचों का उपयोग यह जाँचने के लिए करते हैं कि मस्तिष्क कैसे सीखता है। उन्होंने सुदृढीकरण सीखने के लिए गहरे तंत्रिका नेटवर्क लागू करने के लिए एल्गोरिदम विकसित किए हैं और एक-शॉट सीखने के लिए आवर्ती स्मृति वास्तुकलाएँ पेश की हैं।

लिलिक्रैप डीपमाइंड में अल्फागो और अल्फाज़ीरो परियोजनाओं में शामिल रहे हैं, जिन्होंने गो, शतरंज और शोगी के खेलों में निपुणता हासिल की। उनके योगदान ने उन्हें कई सम्मान दिलाए हैं, जिनमें गवर्नर जनरल का अकादमिक पदक, एक एनएसईआरसी फेलोशिप, सेंटर फॉर न्यूरोसाइंस स्टडीज़ पुरस्कार उत्कृष्टता के लिए, और कई यूरोपीय अनुसंधान परिषद अनुदान शामिल हैं।

प्रारंभिक जीवन और शिक्षा

लिलिक्रैप ने 2005 में टोरंटो विश्वविद्यालय से संज्ञानात्मक विज्ञान और कृत्रिम बुद्धिमत्ता में बी.एससी. अर्जित किया। इसके बाद उन्होंने क्वीन्स विश्वविद्यालय में सिस्टम्स न्यूरोसाइंस में पीएच.डी. की, जिसे उन्होंने 2012 में स्टीफन एच. स्कॉट के पर्यवेक्षण में पूरा किया। उनका डॉक्टरेट शोध प्रबंध, जिसका शीर्षक "मॉडलिंग मोटर कॉर्टेक्स यूज़िंग न्यूरल नेटवर्क कंट्रोल्स लॉज़" था, क्वीन्स विश्वविद्यालय के सेंटर फॉर न्यूरोसाइंस स्टडीज़ में प्रस्तुत किया गया था।

डीपमाइंड में करियर

अपनी पीएच.डी. के बाद, लिलिक्रैप ने ऑक्सफोर्ड विश्वविद्यालय में पोस्टडॉक्टरल शोध फेलो के रूप में काम किया। 2014 में, वे गूगल डीपमाइंड में एक शोध वैज्ञानिक के रूप में शामिल हुए। उन्हें 2016 में स्टाफ रिसर्च साइंटिस्ट के पद पर पदोन्नत किया गया, एक पद जो उन्होंने 2021 तक धारण किया। 2016 में, उन्होंने यूनिवर्सिटी कॉलेज लंदन में एक सहायक प्रोफेसरशिप भी स्वीकार की।

डीपमाइंड में, लिलिक्रैप ने डीप डिटरमिनिस्टिक पॉलिसी ग्रेडिएंट (डीडीपीजी) एल्गोरिदम के विकास में योगदान दिया, जो सुदृढीकरण सीखने के साथ निरंतर नियंत्रण के लिए एक विधि है। उन्होंने 2015 के पेपर "कंटीन्यूअस कंट्रोल विद डीप रीइन्फोर्समेंट लर्निंग" का सह-लेखन किया, जिसने डीडीपीजी पेश किया और सिम्युलेटेड रोबोटिक कार्यों पर इसकी प्रभावशीलता का प्रदर्शन किया। यह कार्य कृत्रिम बुद्धिमत्ता और रोबोटिक्स के क्षेत्र में प्रभावशाली रहा है।

शोध योगदान

लिलिक्रैप का शोध मशीन लर्निंग और तंत्रिका विज्ञान के कई क्षेत्रों में फैला हुआ है। उन्होंने आवर्ती तंत्रिका नेटवर्क के साथ स्मृति-आधारित नियंत्रण पर काम किया है, यह खोजते हुए कि ये वास्तुकलाएँ सीखने और निर्णय लेने का समर्थन कैसे कर सकती हैं। निकोलस हीस और डेविड सिल्वर के साथ उनका 2015 का पेपर स्मृति-आधारित नियंत्रण को संबोधित करता था, और जैक डब्ल्यू. रे और पीटर डायन के साथ बाद के काम ने सक्रियण स्मरण के साथ तेज़ पैरामीट्रिक सीखने की शुरुआत की।

वे 2016 के पेपर "एसिंक्रोनस मेथड्स फॉर डीप रीइन्फोर्समेंट लर्निंग" के सह-लेखक भी थे, जिसने ए3सी एल्गोरिदम पेश किया, और निरंतर डीप क्यू-लर्निंग और रोबोटिक हेरफेर पर कई पेपरों के सह-लेखक थे। मेटा-लर्निंग पर उनका काम, जैसे "लर्निंग टू लर्न विदाउट ग्रेडिएंट डिसेंट बाय ग्रेडिएंट डिसेंट," ने यह समझने में योगदान दिया है कि तंत्रिका नेटवर्क कुशलता से नए कौशल कैसे प्राप्त कर सकते हैं।

अल्फागो और अल्फाज़ीरो

लिलिक्रैप 2016 के ऐतिहासिक नेचर पेपर "मास्टरिंग द गेम ऑफ गो विद डीप न्यूरल नेटवर्क्स एंड ट्री सर्च" के सह-लेखक थे, जिसने अल्फागो प्रणाली का वर्णन किया। उन्होंने 2017 के नेचर पेपर "मास्टरिंग द गेम ऑफ गो विदाउट ह्यूमन नॉलेज" में भी योगदान दिया, जिसने अल्फागो का एक संस्करण पेश किया जो केवल स्व-खेल के माध्यम से सीखा। 2017 और 2018 में, वे उस टीम का हिस्सा थे जिसने अल्फाज़ीरो विकसित किया, एक सामान्य सुदृढीकरण सीखने का एल्गोरिदम जिसने स्व-खेल के माध्यम से शतरंज, शोगी और गो में निपुणता हासिल की, जैसा कि साइंस पेपर "ए जनरल रीइन्फोर्समेंट लर्निंग एल्गोरिदम दैट मास्टर्स चेस, शोगी, एंड गो थ्रू सेल्फ-प्ले" में वर्णित है।

पुरस्कार और मान्यता

लिलिक्रैप को अपने पूरे करियर में कई पुरस्कार मिले हैं। इनमें एनएसईआरसी फेलोशिप, गवर्नर जनरल का अकादमिक पदक, और सेंटर फॉर न्यूरोसाइंस स्टडीज़ पुरस्कार उत्कृष्टता के लिए शामिल हैं। उन्होंने सोशल लर्निंग स्ट्रैटेजीज़ टूर्नामेंट भी दो बार जीता है और एक यूरोपीय अनुसंधान परिषद प्रूफ ऑफ कॉन्सेप्ट अनुदान प्राप्त किया है। उनकी प्रारंभिक अकादमिक उपलब्धियों को यूनिवर्सिटी कॉलेज हॉवर्ड फर्ग्यूसन प्रवेश छात्रवृत्ति और एचपीसीवीएल / सन माइक्रोसिस्टम्स ऑफ कनाडा, इंक. छात्रवृत्ति कम्प्यूटेशनल विज्ञान और इंजीनियरिंग में मान्यता दी गई।

चयनित प्रकाशन

लिलिक्रैप के पास एक व्यापक प्रकाशन रिकॉर्ड है। प्रमुख कार्यों में शामिल हैं:

• टिमोथी लिलिक्रैप, जोनाथन जे. हंट, अलेक्जेंडर प्रिट्ज़ेल, निकोलस हीस, टॉम एरेज़, युवल तासा, डेविड सिल्वर, डान विएरस्ट्रा (2015)। "कंटीन्यूअस कंट्रोल विद डीप रीइन्फोर्समेंट लर्निंग।" arXiv:1509.02971।
• डेविड सिल्वर, अजा हुआंग, क्रिस जे. मैडिसन, एट अल. (2016)। "मास्टरिंग द गेम ऑफ गो विद डीप न्यूरल नेटवर्क्स एंड ट्री सर्च।" नेचर, खंड 529।
• वोलोडिमिर मनिह, आद्रिया पुइगडोमेनेच बादिया, मेहदी मिर्ज़ा, एलेक्स ग्रेव्स, टिमोथी लिलिक्रैप, एट अल. (2016)। "एसिंक्रोनस मेथड्स फॉर डीप रीइन्फोर्समेंट लर्निंग।" arXiv:1602.01783।
• डेविड सिल्वर, जूलियन श्रिटविज़र, करेन सिमोनियन, एट अल. (2017)। "मास्टरिंग द गेम ऑफ गो विदाउट ह्यूमन नॉलेज।" नेचर, खंड 550।
• डेविड सिल्वर, थॉमस ह्यूबर्ट, जूलियन श्रिटविज़र, एट अल. (2018)। "ए जनरल रीइन्फोर्समेंट लर्निंग एल्गोरिदम दैट मास्टर्स चेस, शोगी, एंड गो थ्रू सेल्फ-प्ले।" साइंस, खंड 362, संख्या 6419।

संदर्भ

इस लेख की सामग्री चेस प्रोग्रामिंग विकी पर टिमोथी लिलिक्रैप से अनुकूलित की गई थी, जो क्रिएटिव कॉमन्स एट्रिब्यूशन-शेयर अलाइक 3.0 (अनपोर्टेड) (सीसी-बीवाई-एसए 3.0) लाइसेंस के तहत लाइसेंस प्राप्त है।