Newton Howard
Newton Howard är en hjärna och kognitiv forskare , tidigare chef för MIT Mind Machine Project vid Massachusetts Institute of Technology ( MIT). Han är professor i beräkningsneurologi och funktionell neurokirurgi vid Georgetown University . Han var professor vid University of Oxford , där han ledde Oxford Computational Neuroscience Laboratory. Han är också chef för MIT:s Synthetic Intelligence Lab, grundaren av Center for Advanced Defense Studies och ordförande för Brain Sciences Foundation. Professor Howard är också senior fellow vid John Radcliffe Hospital i Oxford, senior forskare vid INSERM i Paris och PAH vid CHU Hospital i Martinique .
Hans forskningsområden inkluderar kognition , minne , trauma , maskininlärning , omfattande hjärnmodellering, naturlig språkbehandling , nanoteknik , medicinsk utrustning och artificiell intelligens .
Utbildning och karriär
Howard tog sin BA från Concordia University och en MA i teknologi från Eastern Michigan University . Han fortsatte med att studera vid MIT och vid University of Oxford där han, som akademiker vid Fakulteten för matematiska vetenskaper, föreslog Theory of Intention Awareness (IA). Han fick också en doktorsexamen i kognitiv informatik och matematik från universitetet i Paris-Sorbonne, där han också belönades med en Habilitation a Diriger des Recherches för sitt arbete med kognitionens fysik (PoC).
Howard är författare och nationell säkerhetsrådgivare till flera amerikanska regeringsorganisationer och hans arbete har bidragit till mer än 30 amerikanska patent och över 90 publikationer. 2009 grundade han Brain Sciences Foundation (BSF), en ideell 501(c)3-organisation med målet att förbättra livskvaliteten för dem som lider av neurologiska störningar.
Forskning
Howard är känd för sin Theory of Intention Awareness (IA), som ger en möjlig modell för att förklara vilje i mänsklig intelligens, rekursivt genom alla lager av biologisk organisation. Därefter utvecklade han Mood State Indicator (MSI), ett maskininlärningssystem som kan förutsäga känslomässiga tillstånd genom att modellera de mentala processer som är involverade i mänskligt tal och skrift. Language Axiological Input/Output-systemet (LXIO) byggdes på detta MSI-ramverk och visade sig kunna detektera både sentiment och kognitiva tillstånd genom att tolka meningar till ord, sedan bearbeta varje genom tidsorientering, kontextuell förutsägelse och efterföljande moduler, före beräkning varje ords kontextuella och grammatiska funktion med en Mind Default Axiology. Den viktigaste betydelsen av LXIO var dess förmåga att införliva medvetna tankar och kroppsliga uttryck (lingvistiska eller på annat sätt) i ett enhetligt kodschema.
2012 publicerade Howard teorin om Fundamental Code Unit (FCU), som använder enhetlig matematik (ON/OFF +/-) för att korrelera nätverk av neurofysiologiska processer till högre ordningsfunktion. 2013 föreslog han Brain Code (BC)-teorin, en metod för att använda FCU för att kartlägga hela kretsar av neurologisk aktivitet till beteende och respons, vilket effektivt avkodar hjärnans språk.
2014 antog han ett funktionellt endogent optiskt nätverk i hjärnan [ citat behövs ] , förmedlat av neuropsin (OPN5) . Denna självreglerande cykel av fotonmedierade händelser i neocortex involverar sekventiella interaktioner mellan 3 mitokondriella källor av endogent genererade fotoner under perioder av ökad neural spikaktivitet: (a) nära UV-fotoner (~380 nm), en fri radikalreaktion biprodukt; (b) blå fotoner (~470 nm) som emitteras av NAD(P)H vid absorption av nära-UV-fotoner; och (c) gröna fotoner (~530 nm) genererade av NAD(P)H-oxidaser , efter NAD(P)H-genererad blå fotonabsorption. Den bistabila naturen hos denna kvantprocess i nanoskala ger bevis för att ett på/av ( UNARY +/-) kodningssystem existerar på den mest grundläggande nivån av hjärndrift.
Transformers skulpturer
2021 installerade Howard två ton (1 814 kg) skulpturer föreställande Bumblebee och Optimus Prime , karaktärer från Transformers mediafranchise, utanför sitt hem i Georgetown -kvarteret i Washington, DC. Hans inspiration till skulpturerna kom från hans arbete med artificiell intelligens och "eftersom Transformers representerar människa och maskin som lever i harmoni, om du så vill." Reaktionen från lokalbefolkningen var blandad och han stötte på juridiska frågor med lokala myndigheter. Han fick så småningom tillstånd att behålla statyerna installerade under en period av sex månader, men de fanns kvar efter den tiden.
Utvalda verk
Böcker
- Howard, N., Argamon, S. (Eds.) (2009). Beräkningsmetoder för terrorismbekämpning . Berlin: Springer-Verlag.
Mest citerade tidskriftsartiklar
- Hussain, A., Cambria, E., Schuller, B., Howard, N. (2014). Affective Neural Networks and Cognitive Learning Systems for Big Data Analysis , Neural Networks, Special Issue, 58, 1–3.
- Cambria, E., Howard, N., Song, Y. & Wang, H. (2014). Semantisk flerdimensionell skalning för analys av öppen domänsentiment . IEEE Intelligent Systems, 29 mars/april.
- Poria, S., Agarwal, Basant., Gelbukh, A., Hussain, A., Howard, N. (2014) Dependency-Based Semantic Parsing for Concept-Level Text Analysis . Beräkningslingvistik och intelligent textbehandling. Föreläsningsanteckningar i datavetenskap, 8403, 113-127
- Howard, N. (2013). Tvillinghypoteserna: Hjärnkoden och den grundläggande kodenheten: Mot att förstå de beräkningsprimitiva elementen i kortikal datoranvändning . Lecture Notes in Artificial Intelligence, MICAI , 24–30 november 2013, Mexico City, Mexiko.
- Howard, N., Bergmann, J. & Stein, J. (2013). Kombinerad modalitet av Brain Code Approach för tidig upptäckt och långtidsövervakning av neurodegenerativa processer. Frontiers Special Issue INCF Course Imaging the Brain at Different Scales.
- Howard, N. (2013). Tillvägagångssätt mot en naturlig språkanalys för att diagnostisera humörstörningar och komorbida tillstånd . Lecture Notes in Computer Science, MICAI, 24–30 november 2013, Mexico City, Mexiko.
- Howard, N. (2012). Hjärnspråk: The Fundamental Code Unit . The Brain Sciences Journal, 1(1), 4–45.
- Howard, N. (2012). Hjärnans energiparadox . The Brain Sciences Journal, 1(1), 46–61.
- Howard, N., Lieberman, H. (2012). BrainSpace: Automated Brain Understanding and Machine Constructed Analytics in Neuroscience. The Brain Sciences Journal, 1(1), 85–97.
- Howard, N., Guidere, M. (2012). LXIO The Mood Detection Robopsych . The Brain Sciences Journal, 1(1), 98–109.
- Howard, N. & Bergmann, J. (2012). Kombinera beräkningsneurovetenskap och kroppssensornätverk för att undersöka Alzheimers sjukdom . Journal of Functional Neurology, Rehabilitation and Ergonomics, 2(1), 29-38
- Howard, N., Kanareykin, S. (2012) Transkraniellt ultraljudsappliceringsmetoder: Lågfrekvent ultraljud som behandling för hjärndysfunktion . The Brain Sciences Journal, 1(1), 110–124.
- Howard, N. (1999) Osäkerhetens logik och situationsförståelse . Publicerad av Centre for Advanced Defense Studies (CADS)/Institute for the Mathematical Complexity & Cognition (MC) Centre de Recherche en Informatique, Université Paris Sorbonne