Jascha Sohl-Dickstein

1985– · Apprentissage automatique, modèles génératifs, intelligence artificielle

Pionnier des modèles génératifs, il a proposé en 2015 les modèles probabilistes de diffusion, inspirés par la physique de la thermodynamique hors équilibre. Son idée de la transformation lente du bruit en données a servi de base aux réseaux neuronaux modernes qui créent des images, du son et de la vidéo, notamment DALL·E 2 et Stable Diffusion.

Biographie

Il a étudié la physique et l'informatique à l'Université du Michigan, a obtenu un doctorat à Stanford, en se spécialisant dans l'apprentissage automatique et les neurosciences. Il a travaillé chez Google Brain, puis est passé à l'industrie, tout en continuant à développer l'IA générative.

Découvertes clés

Les modèles probabilistes de diffusion (DPM) — une classe d'algorithmes génératifs
basés sur une chaîne réversible d'ajout et de suppression de bruit. L'application de l'appareil des équations différentielles stochastiques à la synthèse de données. Un pont entre la physique statistique et l'apprentissage automatique moderne.

💡 À l'origine, Sohl-Dickstein s'est inspiré de la thermodynamique et des processus de diffusion pour créer un modèle qui transforme pas à pas le bruit en données significatives, ce qui est aujourd'hui à la base de nombreux systèmes génératifs.

"Il considérait les modèles de diffusion comme un pont entre la physique statistique et l'IA moderne."

Notions

modèles de diffusion

Articles liés

Pas encore d'articles