Пионер генеративных моделей, который в 2015 году предложил диффузионные вероятностные модели, вдохновлённые физикой неравновесной термодинамики. Его идея медленного превращения шума в данные легла в основу современных нейронных сетей, создающих изображения, звук и видео, включая DALL‑E 2 и Stable Diffusion.
Биография
Изучал физику и компьютерные науки в Мичиганском университете, получил PhD в Стэнфорде, специализируясь на машинном обучении и нейробиологии. Работал в Google Brain, а затем перешёл в индустрию, продолжая развивать генеративный ИИ.
Ключевые открытия
Диффузионные вероятностные модели (DPM) — класс генеративных алгоритмов
основанных на обратимой цепочке добавления и удаления шума. Применение аппарата стохастических дифференциальных уравнений к синтезу данных. Мост между статистической физикой и современным машинным обучением.
💡 Сол-Дикштейн изначально вдохновлялся термодинамикой и процессами диффузии, чтобы создать модель, которая шаг за шагом превращает шум в осмысленные данные, что сейчас лежит в основе многих генеративных систем.
"Учёный называл диффузионные модели мостом между статистической физикой и современным ИИ."
1
Хорошо читаетсяМноговато текстаНепонятноОтличноСуховато