Simon Kornblith
La nomination
Membre auxiliaire
Apprentissage automatique, apprentissage biologique
À Propos
Neuroscientifique expérimental de formation, Simon Kornblith considère aujourd’hui qu’il est nécessaire de comprendre les réseaux neuronaux artificiels pour comprendre le cerveau. Les réseaux neuronaux artificiels ne sont pas soumis aux défis de l’expérimentation biologique, mais il demeure difficile d’expliquer comment ces systèmes peuvent donner lieu à un comportement intelligent. Dans ses recherches, Simon s’est penché sur le développement et la validation d’outils analytiques pour comprendre comment les réseaux neuronaux artificiels représentent l’information et appliquer ces outils pour concevoir de meilleurs réseaux neuronaux. Vu l’amélioration rapide des capacités de programmation et de recherche des grands modèles de langage basés sur les réseaux neuronaux, Simon voit maintenant ces modèles comme des outils analytiques à part entière. Il est actuellement à la tête d’une équipe de recherche à Anthropic qui développe de nouvelles architectures et de nouveaux algorithmes pour améliorer le grand modèle de langage d’Anthropic, Claude.
Publications Pertinentes
- Muttenthaler, L., Linhardt, L., Dippel, J., Vandermeulen, R. A., Hermann, K., Lampinen, A. et Kornblith, S. (2023). Improving neural network representations using human similarity judgments. Neural Information Processing Systems.
- Chen, T., Kornblith, S., Norouzi, M. et Hinton, G. (2020). A simple framework for contrastive learning of visual representations. International Conference on Machine Learning.
- Kornblith, S., Norouzi, M., Lee, H. et Hinton, G. (2019). Similarity of neural network representations revisited. International Conference on Machine Learning.