Conferences archive > 2011 > SPEAKERS & ABSTRACTS

Tomaso Poggio

ENG. Tomaso A. Poggio, is the Eugene McDermott Professor in the Dept. of Brain&Cognitive Sciences at MIT and a member of both the Computer Science and Artificial Intelligence Laboratory and of the McGovern Institute. He is an honorary member of the Neuroscience Research Program, a member of the American Academy of Arts and Sciences, a Founding Fellow of AAAI, a founding member of the McGovern Institute for Brain Research. Among other honors he  received  the Laurea Honoris Causa from the University of Pavia for the Volta Bicentennial, the 2003 Gabor Award, the Okawa Prize 2009, and the AAAS Fellowship. He is one of the most cited computational scientists (h-index ~ 100) with contributions ranging from the biophysical and behavioral studies of the visual system to the computational analyses of vision and learning in humans and machines. He  characterized quantitatively the visuo-motor control system in the fly.  With D. Marr, he introduced the seminal idea of levels of analysis in computational neuroscience. At the level of computation, Poggio introduced regularization theory as a general framework to solve the ill-posed problems of vision and the more general problem of learning.  In the last decade he has developed an influential  quantitative model of visual recognition in the visual cortex. The citation for the recent 2009 Okawa prize mentions his  “”¦outstanding contributions to the establishment of computational neuroscience, and pioneering researches ranging from the biophysical and behavioral studies of the visual system to the computational analysis of vision and learning in humans and machines.”  

ITA. Tomaso A. Poggio è Professore Eugene McDermott nel Dipartimento di Scienze Cerebrali e Cognitive del Massachusetts Institute of Technology; fa parte dei Laboratori di Informatica e di Intelligenza Artificiale e dell'Istituto McGovern. É membro onorario del Programma di Ricerca in Neuroscienze statunitense, fa parte dell'Accademia Americana di Arti e Scienze, è membro fondatore dell'Associazione per il Progresso dell'Intelligenza Artificiale (Association for the Advancement of Artificial Intelligence, AAAI) e dell'Istituto McGovern per la Ricerca sul Cervello. Ha ricevuto diverse onorificenze fra cui la Laurea Honoris Causa dell'Università di Pavia in occasione del Bicentenario di Volta, il Gabor Award nel 2003, il premio Okawa nel 2009 e una borsa di studio dell'Associazione Americana per il Progresso della Scienza. É uno degli studiosi computazionali piú citati (il suo indice h, che misura l'impatto delle ricerche, è pari a circa 100); i suoi contributi vanno da studi biofisici e comportamentali del sistema visivo ad analisi computazionali della visione e dell'apprendimento negli esseri umani e nelle macchine. Ha fornito una caratterizzazione quantitativa del sistema di controllo visuo-motorio delle mosche. In collaborazione con D. Marr ha introdotto il concetto fondamentale dei livelli di analisi nelle neuroscienze computazionali. A livello computazionale, ha introdotto la teoria della regolarizzazione, uno schema globale per risolvere i problemi mal posti della visione e il problema piú generale dell'apprendimento. Nell'ultimo decennio ha sviluppato un autorevole modello quantitativo per il riconoscimento visivo nella corteccia visiva. La motivazione del premio Okawa, ricevuto nel 2009, cita i suoi “[...] eccezionali contributi alla creazione delle neuroscienze computazionali e le ricerche pionieristiche in campi che vanno dagli studi biofisici e comportamentali del sistema visivo all'analisi computazionale della visione e dell'apprendimento negli esseri umani e nelle macchine”.  

Minds brain and machines

Vision and action represent problems that are computationally very difficult and that has been mostly impossible to reproduce in machines. Think about the irony: we have machines that beat humans at chess, perform better medical diagnosis, trade stocks more efficiently but we do not have any machine which can replace a cook or a gardener. It is not an exaggeration to say that vision is a proxy for intelligence. To “see” is really to “understand”. But, finally we are getting some practical success in robotics and vision. We begin to have amazing vision machines -- for instance systems that make cars see. However, none of these systems can be considered to be intelligent yet and we do not know yet any approach that could lead to intelligent computers. I will argue that the best bet towards understanding the mind, the brain and how to build intelligent machines is to combine computer science with neuroscience and cognitive science. As an example of this novel approach, I will describe a model of visual cortex that also solves certain recognition problems as well as humans. Surprisingly, such a model outperforms state-of-the-art computer vision systems in object recognition and action categorization. I will conclude discussing whether neuroscience may just begin to know enough about the brain to be able to tell computer scientists what they should do for developing artificial minds.

Menti, cervello e macchine

La visione e l’azione sono problemi assai difficili dal punto di vista computazionale, e finora praticamente impossibili da riprodurre nelle macchine. È davvero ironico che abbiamo macchine che giocano a scacchi meglio degli esseri umani, fanno diagnosi mediche più accurate e sono più abili nella compravendita di azioni, ma nessuna macchina che possa sostituire un cuoco o un giardiniere. Non è esagerato affermare che la visione fa le veci dell’intelligenza. «Vedere» è davvero «capire». Ma ora stiamo finalmente ottenendo alcuni risultati pratici nella visione per la robotica. Stiamo cominciando a realizzare notevoli macchine per la visione, per esempio sistemi che permettono alle automobili di vedere. Nessun sistema simile, tuttavia, può essere considerato intelligente; ancora non disponiamo di approcci che portino alla realizzazione di computer intelligenti. Sosterrò che la strada migliore verso la comprensione della mente e del cervello e la costruzione di macchine intelligenti è quella che combina l’informatica con le neuroscienze e le scienze cognitive. Farò un esempio di questo approccio innovativo: un modello di corteccia visiva che risolve anche alcuni problemi di riconoscimento con efficienza pari a quella umana. La cosa sorprendente è che questo modello surclassa i più avanzati sistemi informatici per la visione nel riconoscere gli oggetti e classificare le azioni. Concluderò ipotizzando che le neuroscienze siano forse sul punto di saperne abbastanza sul cervello da poter guidare gli informatici nella realizzazione di una mente artificiale.

torna top