Alexey Ivakhnenko ( ucraniano : Олексíй Григо́рович Іва́хненко ); (30 de marzo de 1913 - 16 de octubre de 2007) fue un matemático soviético y ucraniano famoso por desarrollar el método grupal de manejo de datos (GMDH), un método de aprendizaje estadístico inductivo, por el que a veces se le conoce como el "padre del aprendizaje profundo". ". [1]
Aleksey nació en Kobelyaky , Gobernación de Poltava en una familia de maestros. [2] En 1932 se graduó en la universidad electrotécnica de Kiev y trabajó durante dos años como ingeniero en la construcción de una gran central eléctrica en Berezniki . Luego, en 1938, después de graduarse del Instituto Electrotécnico de Leningrado , Ivakhnenko trabajó en el Instituto Electrotécnico de toda la Unión en Moscú durante la guerra . Allí investigó los problemas del control automático en el laboratorio, dirigido por Sergey Lebedev .
Continuó investigando en otras instituciones en Ucrania después de regresar a Kiev en 1944. En ese año recibió el Ph.D. grado y más tarde, en 1954 había recibido D.Sc. la licenciatura. En 1964 fue nombrado Jefe del Departamento de Sistemas de Control Combinado del Instituto de Cibernética. Trabajando simultáneamente al principio como profesor y, desde 1961, como profesor de control automático y cibernética técnica en el Instituto Politécnico de Kiev .
Ivakhnenko es conocido por ser el fundador del modelado inductivo, un enfoque científico utilizado para el reconocimiento de patrones y la previsión de sistemas complejos. [3] Había utilizado este enfoque durante el desarrollo del Método de grupo de manejo de datos (GMDH). En 1968 la revista "Avtomatika" había publicado su artículo "Group Method of Data Handling - a rival of the method of stochastic approach", [4] marcando el comienzo de una nueva etapa en su trabajo científico. Dirigió el desarrollo de este enfoque, con un equipo profesional de matemáticos e ingenieros en el Instituto de Cibernética.
El método GMDH presenta un enfoque único para la solución de problemas de inteligencia artificial e incluso una nueva filosofía para la investigación científica , que se hizo posible utilizando computadoras modernas. [3] Es posible que un investigador no se adhiera con precisión a la forma deductiva tradicional de construir modelos "desde la teoría general hasta un modelo particular": monitorear un objeto, estudiar su estructura, comprender los principios de su operación, desarrollar teoría y probar el modelo .de un objeto En cambio, el nuevo enfoque se propone "a partir de datos específicos - a un modelo general": después de la entrada de datos, un investigador selecciona una clase de modelos, el tipo de generación de variantes de modelos y establece el criterio para la selección del modelo. Como la mayor parte del trabajo de rutina se transfiere a una computadora, se minimiza el impacto de la influencia humana en el resultado objetivo. De hecho, este enfoque puede considerarse como una de las implementaciones de la tesis de la inteligencia artificial, que establece que una computadora puede actuar como un poderoso asesor para los humanos.
El desarrollo de GMDH consiste en una síntesis de ideas de diferentes áreas de la ciencia: el concepto cibernético de " caja negra " y el principio de selección genética sucesiva de características por pares , los teoremas de incompletitud de Godel y el principio de "libertad de elección de decisiones" de Gabor . [5] la incorrección de Adhémar y el principio de adiciones externas de Beer . [6]