\nЦзюян (Джон) Вэнг — китайско-американский инженер в области компьютерных наук и нейронаук, писатель и академический деятель. Он был профессором кафедры вычислительной техники и машиностроения Мичиганского государственного университета (MSU) и президентом Института мозга-мышления (Brain-Mind Institute), а также компании GENISAMA.Вэнг занимается исследованиями в области основанных на данных методов машинного обучения, объединяющих компьютерные науки с нейробиологией. В сотрудничестве со своими коллегами он изучает ментальные архитектуры и модели вычислений для автономной эволюции систем — от зрения до поведенческих реакций в биологических и инженерных структурах.Он автор двух книг: "Natural and Artificial Intelligence" (Натуральное и Искусственное Интеллекту) и "Motion and Structure from Image Sequences", а также редактор серии изданий 'New Frontiers in Robotics'. В его активе более 300 научных публикаций.Вэнг — член IEEE с почетным статусом, основатель Brain-Mind Institute и GENISAMA. Он является главредактором журнала International Journal of Humanoid Robotics и редакцией Brain-Mind Magazine; также работает в качестве ассоциированного редактора для Transactions on Autonomous Mental Development (IEEE). Ведет специальные выпуски по темам, связанным с взаимодействием ИИ и нейронаук.

Вэнг получил степень бакалавра в Фуданьском университете в 1982 году. Затем он продолжился обучением на магистратуре (M.Sc.) и докторской степени по компьютерным наукам, которые окончил в Университет Иллинойса в Чикаго в 1985-м и 1989 годах соответственно.

После защиты диссертации Вэнг начал свою академическую карьеру как приглашенный ассоциированный профессор Института Бекмана (Beckman Institute) Университета Иллинойса в 1990 году. Следующие шесть лет он работал на факультете MSU, сначала доцентом и затем полным профессором.

Основные направления исследований Вэнга включают машинное обучение, основанное на реальных данных (grounded machine learning), в области зрения, слуха, обработки естественного языка. Он также занимается технологическими разработками через свою компанию GENISAMA и разрабатывает теоретические модели для автономного программирования.Вэнг доказал математически возможность обучения универсальных алгоритмов с помощью его сетей Developmental Networks (DNs) и предложил теорию Autonomous Programming For General Purposes. Его работы включают первые в мире сознательные алгоритмы, свободны от недостатков глубокого машинного обучения.Результаты исследований Вэнга освещались на каналах Discovery Channel, Enel и BBC.\n =

=

Cresceptron использовал методы стохастического моделирования искажений, интерполяции по видимым данным и комбинированного обучения. Система достигла семи значительных результатов: разработка глубоких нейронных сетей для распознавания 3D-объектов из изображений (CNN), методы независимости от признаков в больших наборах данных и другие инновации.Cresceptron отличался от более поздних "глубинных" моделей тем, что обучение происходило на основе одного нейронного слоя с использованием правил Хебба (не требующее учитывающего контроля).=

Вэнг предложил еще одну систему под названием **SHOSLIF**. Она объединяет теорию и методологию для комплексной обучаемости на основе данных от сенсоров, решая проблемы автоматического выбора признаков и организации информации через древовидные структуры.Система также занимается вопросами инвариантности в процессе обучения, обеспечивает онлайн-обучение и автономное накопление знаний. =

В период с 1998 по 2010 годы Вэнг разрабатывал роботов **SAIL** (Self-Aware Intelligent Learning) и **Dav**, применяя модели самоосознаваемого обучения, такие как методы SHM (Staggered Hierarchical Mapping), SASE (self-aware self-effecting) и IHDR (Incremental Hierarchy Discriminant Regression). Эти подходы использовались для распознания скрытых объектов, речевого анализа, навигации по визуальным данным и предотвращения столкновений на основе данных о расстоянии.\n =

Ключевые механизмы включают Лобную компонентальную анализу (LCA) и Синаптическое поддержание, которые автоматически обеспечивают глобальное равномерное представление данных в коре головного мозга. Этот подход позволяет алгоритму развиваться последовательно от сенсоров до сложных функций моторики через самоорганизацию и автономные процессы.Эти DN (сети) и WWN применяются для обучения визуализации, распознавания объектов и определению их местоположений. Они также используются в задачах общего видения, временного анализа событий, навигации на основе зрения, слухового восприятия при одновременном развитии речи.Вэнг первым предложил идею о необходимости сознания для ИИ и разработал алгоритм его формирование. Он представлял DN3 как систему обучения с элементами осознаваемого опыта, где робот развивается подобно ребенку через взаимодействие в реальном мире.

С 2016 года Вэнг обвиняет научные сообщества и отдельных исследователей в плагиате и предвзятом отборе данных. Однако эти институции пока не признали его претензии.\n =

Cresceptron обучается через (несупервизированные) механизмы Хебба, что отличает его от других подходов, требующих ручного контроля ошибок. Вэнг также отметил проблемы с аспектными графами и другими методиками начала 1990-х годов.=

Вэнг поднял вопросы по поводу Post-Selection в AI и утверждал, что это может быть нарушением. Он указал на два этапа обучения: первый — случайное обучение систем с использованием данных; второй — выборка лучших моделей или ручная корректировка параметров через ошибки проверочных наборов.Вэнг обвинил Post-Selection в двух видах мошенничества:1. Обман без тестирования, так как этап выбора относится к обучению.2. Скрытие плохо выглядящих данных — менее удачные системы не публикуются.Он также указал на проблемы с методами Neocognitron, HMAX и другими (Deep Learning, LSTM, Extreme Learning Machines), которые используют Post-Selection для ручной или автоматической корректировки. Вэнг математически показывает, что лучшая модель по валидации лишь приближённо отражает среднюю производительность всех систем.Вэнг подал иски против учреждений (включая Alphabet) за нарушения вне академических кругов:- Суд Западного округа Мичигана США (Гражданское дело No. 1:22-cv-998)- Апелляционный суд шестого округа США (Дело №23–1567)

1994 – Премия за начало исследований, NSF (National Science Foundation)2009 – Почётный член IEEE (Institute of Electrical and Electronics Engineers)

=

Motion and Structure from Image Sequences (1993) ISBN 978-3642776458Natural and Artificial Intelligence: Introduction to Computational Brain-Mind (2019) ISBN 978-0-985875718=

Weng, J., Huang, T. S., & Ahuja, N. (1989). Motion и structure from two perspective views.Weng, J., Cohen, P., & Herniou, M. (1992). Camera calibration with distortion models and accuracy evaluation.Weng, J., Ahuja, N., & Huang, T. S. (1993). Optimal motion and structure estimation.Weng, J., McClelland, J., Pentland, A., Sporns, O., Stockman, I., Sur, M., Thelen E. (2001). Autonomous mental development by robots и animals.Weng, J., Zhang Y., & Hwang W.S. (2003). Candid covariance-free incremental principal component analysis.