Egy intézetbe olvad a Stanford AI és adatelemzési kutatása — Landay vezeti
A Stanford Institute for Human-Centered AI (HAI) és a Stanford Data Science kezdeményezés egyetlen entitásként működik tovább, James Landay vezetésével.

Egyetlen intézetbe vonja össze mesterséges intelligencia és adatelemzési kutatásait a Stanford Egyetem — írja a Stanford News. Az egyesülés célja a két terület közötti szinergiák kihasználása és a kutatás felgyorsítása.
Az új, egyesített szervezet megtartja a Stanford Institute for Human-Centered AI (HAI) nevet, élén James Landay informatikus áll. Fei-Fei Li, a HAI társalapítója új, egyetemi szintű tanácsadói szerepet kap, és John Hennessyvel együtt vezeti majd a tanácsadó testületet.
Az összevonás a HAI több mint 400 kutatóból álló hálózatát, ipari partnerprogramjait és 60 millió dolláros támogatását egyesíti a Stanford Data Science nagy teljesítményű Marlowe számítási klaszterével és ösztöndíjprogramjával. Jonathan Levin elnök szerint az új Stanford HAI lesz „az AI frontkapuja a Stanfordon”.
A szinergiák kibontakozása
Landay, aki az Anand Rajaraman és Venky Harinarayan professzor a Műszaki Karon, három évtizede dolgozik az emberközpontú számítástechnika területén. A 1990-es években fejlesztett SILK tervező szoftvere olyan eszközök előfutára volt, mint a Figma és a Canva, míg a 2000-es évek eleji UbiFit projektje a Fitbit és az Apple Watch elődjének tekinthető.
Az egyetem vezetői szerint az emberközpontú megközelítés kulcsfontosságú a technológia jövője szempontjából. Ez a fókusz áthatja az intézet munkáját, a mérnöki tudományoktól az orvostudományon át a humán tudományokig terjedő karok bevonásával.
A kutatás alapjai
A Stanford HAI munkája három pillérre épül: az AI és adatelemzés fejlesztése a felfedezésekhez, az oktatás átalakítása, valamint az AI társadalmi hatásainak vizsgálata és alakítása evidenciákon alapuló kutatásokkal. A Stanford HAI nyitott tudomány, nyílt forráskódú szoftverek, nyílt adathalmazok és nyílt oktatás iránti elkötelezettsége alapvető fontosságú.
Landay szerint ez a nyitottság különbözteti meg az egyetemeket a ma domináló, zárt ipari AI-cégektől, és ez tette lehetővé korábban az olyan áttöréseket, mint a Fei-Fei Li által létrehozott ImageNet, amely 2023-ra több mint 14 millió képet tartalmaz.