Massimiliano Versace

Massimiliano Versace
Massimiliano versace speaking.jpg
Född ( 1972-12-21 ) 21 december 1972 (50 år)
Italien
Nationalitet italienska
Alma mater
Känd för Deep Learning Neurala nätverk NASA SynNAPS
Utmärkelser Fulbright Scholar
Vetenskaplig karriär
Fält Artificiell intelligens djupinlärning
institutioner Boston University Neurala
Avhandling   Spikar, synkronisering och uppmärksam inlärning av laminära thalamokortikala kretsar ( 2007)
Doktorandrådgivare Stefan Grossberg
Hemsida maxversace .com

Massimiliano Versace (född 21 december 1972 i Monfalcone , Italien) är medgrundare och VD för Neurala Inc, ett Boston -baserat företag som bygger artificiell intelligens som emulerar hjärnans funktion i programvara och används för att automatisera processen för visuell inspektion i tillverkningen . Han är också grundare av Boston University Neuromorphics Lab. Massimiliano Versace är en Fulbright- forskare och har två doktorsexamen i experimentell psykologi från University of Trieste, Italien och Cognitive and Neural Systems från Boston University, USA. Han tog sin kandidatexamen från University of Trieste, Italien.

Professionellt liv

Versace växte upp i Monfalcone, Italien och kom till USA 2001 som Fulbright- forskare. Han har en magisterexamen i psykologi från University of Trieste och två doktorsexamen (Experimental Psychology, University of Trieste, Italy—Cognitive and Neural Systems, Boston University, USA). Som professor i artificiell intelligens vid Boston University grundade han Neuromorphics Lab, och 2009-2011 ledde labbet en huvudsaklig forskningsinriktning i DARPA SyNAPSE i samarbete med Hewlett-Packard som designade artificiella nervsystem, baserat på djupinlärning , implementerat på en ny memristor -baserade enheter. I december 2010 publicerade Versace en omslagsartikel om IEEE Spectrum som beskrev färdplanen för att utveckla en storskalig hjärnmodell som använder memristorbaserade teknologier.

Modellen designad av Versace och hans kollegor, kallad Modular Neural Exploring Traveling Agent (MoNETA) var den första storskaliga neurala nätverksmodellen för att implementera kretsar i hela hjärnan för att driva en virtuell och robotagent kompatibelt med memristor - baserade hårdvaruberäkningar . En försättsbladsartikel i IEEE Computer innehåller programvaruplattformen och modelleringen som implementerats av de gemensamma HP- och Boston University-teamen, och mars 2012-utgåvan av IEEE Pulse innehåller hans labbarbete med hjärnmodellering. Från 2011 till 2016 arbetade Versace och hans team på Neurala med NASA och byggde framgångsrikt djupinlärningsmodeller som kan lära sig kraftnavigering och perception för att utforska nya miljöer i realtid.

Hans arbete har också varit med i TIME Magazines, New York Times, Nasdaq, The Boston Globe, Xconomy, IEEE Spectrum, Fortune, CNBC, The Chicago Tribune, TechCrunch, VentureBeat, Associated Press, Geek Magazine och är en TEDx-talare.

2006, tillsammans med två kollegor från Boston University, grundade han Neurala Inc. för att lansera denna teknik på marknaden i applikationer som sträcker sig från robotar, till drönare och andra smarta enheter.

Utmärkelser

Versace fick Fulbright Fellowship 2001. Karriär- och företagspriser inkluderar:

  • Guldpris vid Edison Award Best New Product in Social Innovation;
  • CB Insights 100 mest lovande AI-företag;
  • Draper Venture Network Mest innovativa företag;
  • Disruptor Daily 100 mest störande företag,

Versace mottog också CELEST Award for Computational Modeling of Brain and Behavior 2009, och belönades med topp citerade artikel 2008-2010 i Brain Research .

Neural modellering, Deep Learning och Robotics

Massimiliano Versaces banbrytande forskning inom neurala nätverk för kontinuerlig inlärning, särskilt tillämpad på kortikala modeller av inlärning och minne, och hur man bygger intelligenta maskiner utrustade med lågeffekts, högdensitets neurala chip som implementerar storskaliga hjärnkretsar med ökande komplexitet. Hans modell för Synchronous Matching Adaptive Resonance Theory (SMART) visar spikande laminära kortikala kretsar som självorganiserar sig och lär sig stabilt relevant information, och hur dessa kretsar bäddas in i lågeffekts, memristor -baserat hybrid CMOS- chip och används för att lösa utmanande problem med mönsterigenkänning. Hans arbete har visats på bland annat Fortune, Inc, Tech Crunch, IEEE Spectrum, Venture Beat.

Se även

externa länkar