Forskningspraktikant

Maskininlärning kommer snart att ta över mänsklighetens roll i kunskapsbehållning och skapande. Det som började i mitten av 1990-talet som gradvis överföring av kunskap och beslutsfattande till sökmotorer kommer snart ersättas av enorma neurala nätverk - där all kunskap är komprimerad i deras artificiella neuroner. Till skillnad från organiskt liv behöver maskininlärning protokoll för att koordinera och växa. Och som naturen bör dessa protokoll vara öppna, permissionsfria och neutrala. Börjar med beräkningshårdvara kopplar Gensyn-protokollet samman kärnresurserna som krävs för att maskininlärning ska blomstra tillsammans med mänsklig intelligens. Rollen Bidra till banbrytande forskning i skalbara, distribuerade maskininlärningssystem tillsammans med erfarna forskare och ingenjörer. Utforska nya sätt att bygga och verifiera neurala nätverk som arbetar över stora, decentraliserade topologier av heterogena enheter. Ansvar Bidra till originalforskning inom djupinlärning med fokus på modulära arkitekturer, verifierbarhet, kontinuerligt lärande och skalning. Designa och prototypa nya neurala nätverksarkitektur)er för decentraliserade beräkningsmiljöer. Delta i gemensamma publikationer och projekt i samarbete med akademiska och industriella forskare mot topp AI-evenemang som NeurIPS, ICML och ICLR. Krav: PhD-program, erfarenhet av originalforskning, kunskap i PyTorch/JAX/TensorFlow, kommunikationsfärdigheter. Önskat: distribuerade system, kontinuerligt lärande, modulära arkitekturer. Fördelar och principer som i engelska versionen.