Paul Smolensky (nacido el 5 de mayo de 1955) es profesor Krieger-Eisenhower de ciencia cognitiva en la Universidad Johns Hopkins e investigador asociado en Microsoft Research , Redmond Washington.
Paul Smolensky | |
---|---|
Nació | 5 de mayo de 1955 |
Nacionalidad | EE.UU |
alma mater | Universidad de Harvard , Universidad de Indiana |
Conocido por | Teoría de la optimización , fonología , sintaxis , adquisición del lenguaje , capacidad de aprendizaje , redes neuronales artificiales , máquinas de Boltzmann restringidas |
Premios | Premio Rumelhart (2005) |
Carrera científica | |
Campos | La ciencia cognitiva , la lingüística , la lingüística computacional , la inteligencia artificial |
Instituciones | Universidad Johns Hopkins , Microsoft Research, Redmond |
Sitio web | en JHU , en MSR |
Junto con Alan Prince , en 1993 desarrolló la teoría de la optimización , un formalismo gramatical que proporciona una teoría formal de la tipología interlingüística (o gramática universal ) dentro de la lingüística . [1] La teoría de la optimización se usa popularmente para la fonología , el subcampo al que se aplicó originalmente, pero se ha extendido a otras áreas de la lingüística como la sintaxis [2] y la semántica . [3]
Smolensky recibió el premio Rumelhart 2005 por su desarrollo de la Arquitectura ICS, un modelo de cognición que tiene como objetivo unificar el conexionismo y el simbolismo , donde las representaciones y operaciones simbólicas se manifiestan como abstracciones sobre las redes neuronales conexionistas o artificiales subyacentes . Esta arquitectura se basa en representaciones de productos tensoriales, [4] incrustaciones compositivas de estructuras simbólicas en espacios vectoriales. Abarca el marco de la gramática armónica , un formalismo gramatical numérico basado en conexiones que desarrolló con Géraldine Legendre y Yoshiro Miyata, [5] que fue el predecesor de la teoría de la optimización . La arquitectura ICS se basa en la teoría de la armonía, un formalismo para redes neuronales artificiales que introdujo la arquitectura de máquina restringida de Boltzmann . Este trabajo, hasta principios de la década de 2000, se presenta en el libro de dos volúmenes escrito con Géraldine Legendre, The Harmonic Mind . [6] El trabajo posterior introdujo la Computación simbólica de gradiente , en la que las combinaciones de símbolos parcialmente activados ocupan combinaciones de posiciones en estructuras discretas como árboles o gráficos. [7] Esto se ha aplicado con éxito a numerosos problemas en lingüística teórica donde las estructuras lingüísticas discretas tradicionales han demostrado ser inadecuadas, [8] así como el procesamiento incremental de oraciones en psicolingüística. [9] En el trabajo con colegas de Microsoft Research y Johns Hopkins, Gradient Symbolic Computation se ha integrado en redes neuronales utilizando el aprendizaje profundo para abordar una variedad de problemas en el razonamiento y el procesamiento del lenguaje natural.
Entre sus otras contribuciones importantes se encuentra la noción de conjunción local de restricciones lingüísticas, en la que dos restricciones se combinan en una única restricción más fuerte que se viola solo cuando ambas conjunciones se violan dentro del mismo dominio local especificado. La conjunción local se ha aplicado al análisis de varios efectos "superaditivos" en la teoría de la optimización. Con Bruce Tesar ( Universidad de Rutgers ), Smolensky también ha contribuido significativamente al estudio de la capacidad de aprendizaje de las gramáticas teóricas de la optimización (en el sentido de la teoría del aprendizaje computacional ).
Smolensky fue miembro fundador del grupo de investigación Procesamiento distribuido paralelo de la Universidad de California, San Diego , y actualmente es miembro del Centro de procesamiento del lenguaje y el habla de la Universidad Johns Hopkins y del Grupo de aprendizaje profundo de Microsoft Research , Redmond Washington. .
Referencias
- ^ Prince, Alan y Smolensky, Paul. (1993/2004.) Teoría de la optimización: interacción de restricciones en la gramática generativa . Malden, MA: Blackwell (2004). Informe técnico CU-CS-696-93, Departamento de Ciencias de la Computación, Universidad de Colorado en Boulder, e Informe técnico TR-2, Centro Rutgers de Ciencias Cognitivas, Universidad de Rutgers, New Brunswick, Nueva Jersey. (Abril de 1993).
- ^ Legendre, Géraldine , Grimshaw, Jane y Vikner, Sten, eds. (2001). Sintaxis de la teoría de la optimización . Prensa del MIT.
- ^ Legendre, Géraldine , Putnam, Michael T., De Swart, Henriette & Zaroukian, Erin, eds. (2016). Sintaxis, semántica y pragmática de la teoría de la optimización : de la optimización uni a la bidireccional . Prensa de la Universidad de Oxford.
- ^ Smolensky, Paul. (1990). Vinculación de variables producto tensorial y representación de estructuras simbólicas en sistemas conexionistas. Inteligencia artificial 46.1-2: 159-216. [1]
- ^ Legendre, Géraldine , Miyata, Yoshiro y Smolensky, Paul. (1990). Gramática armónica: una teoría conexionista formal de varios niveles de la buena formación lingüística: fundamentos teóricos. En Actas de la duodécima conferencia anual de la Cognitive Science Society (págs. 388–395). Cambridge, MA: Lawrence Erlbaum. Informe CU-CS-465-90. Departamento de Ciencias de la Computación, Universidad de Colorado en Boulder. (En línea: [2] .)
- ^ Smolensky, Paul y Legendre, Géraldine. (2006). La Mente Armónica: De la Computación Neural a la Gramática Teórica de la Optimidad. Vol. 1: Arquitectura cognitiva; vol. 2: Implicaciones lingüísticas y filosóficas. Cambridge, MA: MIT Press.
- ^ Smolensky, Paul, Goldrick, Matthew y Mathis, Donald. (2014.) Optimización y cuantificación en sistemas de símbolo de gradiente: un marco para integrar lo continuo y lo discreto en la cognición. Ciencia cognitiva , 38, 1102-1138. (En línea: Rutgers Optimality Archive 1103 [3] )
- ^ Smolensky, Paul, Rosen, Eric y Goldrick, Matthew. (2020). Aprendiendo una gramática de gradiente de enlace francés. Actas de la Reunión Anual de Fonología de 2019 . [4]
- ^ Cho, Pyeong Whan, Goldrick, Matthew y Smolensky, Paul. (2017). Análisis incremental en un sistema dinámico continuo: procesamiento de oraciones en computación simbólica en gradiente. Vanguardia lingüística , 3, 1.
enlaces externos
- Página de Paul Smolensky en Johns Hopkins
- Página de inicio de Paul Smolensky en Microsoft Research
- Premio David E. Rumelhart