Paul John Werbos

Werbos یک دانشمند آمریکایی علوم اجتماعی و پیشگام در یادگیری ماشین است. وی بیشتر به خاطر رساله‌ی دکتری خود در سال ۱۹۷۴ شناخته شده است که در آن برای اولین بار روند آموزش شبکه‌های عصبی مصنوعی را از طریق پس‌انتشار خطاها توصیف می‌کند. وی همچنین در شبکه‌های عصبی بازگشتی پیشگام بود. Werbos علاوه بر این، در مورد مکانیک کوانتوم و سایر زمینه‌های فیزیک مطالبی را نوشته است. او همچنین به سؤالات بزرگتری در مورد آگاهی، مبانی فیزیک و پتانسیل انسان علاقه‌مند است.  

وی مبحث EFRI-2008 در بهینه سازی شناختی و پیش بینی را آغاز کرده و هدایت آن را بر عهده داشته است. وی علاقه‌ی ویژه‌ای به تلاش برای بهره برداری از سطح بالاتری از هوش محاسباتی واقعی در این عرصه‌ها و تلاشهایی دارد که می تواند احتمال دستیابی به پایداری جهانی را به طور جدی افزایش دهد.

Paul John Werbos در ۴ سپتامبر ۱۹۴۷ به دنیا آمد.او در سال‌های ۱۹۵۹ تا ۱۹۶۲ به تحصیل در دبیرستان پرداخت. دوره‌ی پیش‌دانشگاهی را در دانشگاه پنسیلوانیا و پرینستون گذراند و تحصیل در ریاضیات را از همان زمان آغاز کرد. وی بین سنین ۱۲ تا ۱۵ سالگی ۲۱ واحد درسی ریاضیات، معادل هفت نیمسال تحصیلی، را در دانشگاه پن (Penn) و پرینستون (Princeton) گذراند. در ‍۱۴ سالگی تحصیل در دانشگاه پن را به پایان رساند و دوره‌های تابستانی پیشرفته‌ی کامپیوتر مدرسه‌ی مور (Moore) را با صد درصد موفقیت کامل کرد. در همان سن مجوز تجاری رادیو تلفن (Radiotelephone Commercial License) را از کمیسیون ارتباطات فدرال (FCC) گرفت. همچنین او موفق به دریافت جایزه‌ی انجمن ریاضی آمریکا (The Mathematical Association of America - MAA) برای بالاترین نمره‌ی ریاضی در نیو جرسی شد.

پس از آن در سال ۱۹۶۷ مدرک کارشناسی خود را، در رشته‌ی اقتصاد از دانشگاه هاروارد اخذ نمود. در آنجا دوره‌هایی شامل کار در مقاطع تحصیلات تکمیلی در روش‌های بهینه‌سازی، شبیه‌سازی روانشناختی و استراتژی تعارض را گذراند و در آزمون اقتصاد با نمره‌ی ۹۳۰ از ۹۵۰ فارغ التحصیل شد. این در حالی است که در آن زمان میانگین نمرات هاروارد بین۷۰۰ تا۸۰۰ بوده و ۹۹ درصد آن‌ها کمتر از ۸۰۰ بودند.

پس از آن در سال ۱۹۶۸ موفق به اخذ مدرک کارشناسی ارشد از دانشکده‌ی اقتصاد لندن (انگلستان) در گرایش سیستم‌های سیاسی بین‌المللی با تمرکز بر نهادهای اروپایی (به ویژه بازار مشترک) شد. علاوه بر آن در سال ۱۹۶۹ از دانشگاه هاروارد مدرک کارشناسی ارشد ریاضیات کاربردی با گرایش به فیزیک ریاضی را کسب کرد. دوره‌های فیزیک که در این مقطع گذراند همه دوره‌های تحصیلات تکمیلی نظریه‌ی کوانتوم، نظریه‌ی میدان کوانتوم، نسبیت عمومی و فیزیک هسته‌ای بودند. همچنین دوره‌هایی را تحت نظر Julian Schwinger، برنده‌ی جایزه‌ی نوبل و مبتکر نظریه‌ی میدان کوانتوم، گذراند.

او مدرک دکتری خود را در سال ۱۹۷۴ از دانشگاه هاروارد در رشته‌ی ریاضیات کاربردی با گرایش به مهندسی و فیزیک کاربردی اخذ کرد. استاد مشاور او پروفسور Karl Deutsch بود. رساله‌ی دکتری او روشی را پیشنهاد می‌کند که اکنون با عنوان پس‌انتشار شناخته می‌شود. این رساله اکنون به عنوان منبع اصلی برای پس‌انتشار است که در ۳۰ تا ۹۰ درصد کاربردهای شبکه‌های عصبی مصنوعی استفاده می‌شود.

او در دوران دانشجویی فعالیت‌هایی نیز در دوره‌های تابستانی یا به صورت نیمه‌وقت داشته که شامل این موارد است:دستیار تحقیق در پیش‌بینی درگیری‌های سیاسی و داده‌های مربوط به مسائل ویتنام، مربی آزمایشگاه الکترونیک در هاروارد، مدلساز روانشناسی تربیتی در Abt Associated در کمبریج، تحلیل‌گر آماری کوازار‌ها و تحلیلگر عددی در بیمارستان جفرسون در فیلادلفیا.

از ۱۹۷۳ تا ۱۹۷۵ دوره‌ی پسادکتری را در دانشگاه MIT گذراند. در این دوره برای تخمین مدل‌های از نوع رگرسیون با تصحیح خطاهای موجود در داده‌ها، یک پردازشگر سری زمانی را، با استفاده از پس انتشار، پیاده‌سازی کرد. این موفقیت نیازمند درک دقیق طیف گسترده‌ای از ابزارهای تجزیه و تحلیل بود. او همچنین در این دوره مسئول اشکال زدایی و به روز رسانی بسته‌های نرم‌افزاری کابر محور مورد استفاده توسط DOD/AFDSC بود.

او بین سال‌های ۱۹۷۵ تا ۱۹۷۸ استادیار دانشگاه مریلند بود. در آنجا به تدریس روش‌های پیشرفته‌ی بهینه‌سازی و پیش‌بینی به دانشجویان علوم سیاسی می‌پرداخت. همچنین مامور تحقیق اصلی برای اعطای کمک هزینه‌‌ی DARPA بود که در آن بیشتر روی توسعه‌ی طرح‌ها و مفاهیم جدید برای کنترل شبکه‌های عصبی کار می‌کرد.

در سال‌های ۱۹۷۸ تا ۱۹۷۹ طبق یک توافق‌نامه‌ی کاری دانشگاه مریلند بر روی روش‌های تجزیه و تحلیل و بهینه‌سازی سری‌های زمانی و توسعه‌ی روش‌هایی که در آن می‌توان از پس‌انتشار و تکنیک‌های مربوطه استفاده کرد، برای مسائل تخصیص منابع در مقیاس بزرگ (چند میلیاد دلاری) شامل توسعه‌ی اقتصادی منطقه مشغول به کار بود.

Werbos در بین سال‌های ۱۹۷۹ تا ۱۹۸۸ به عنوان تحلیلگر تحقیقات عملیاتی و آماری ریاضی در وزارت انرژی ایالات متحده، در بخش تجزیه و تحلیل و پیش بینی انرژی و بخش تضمین کیفیت مشغول به کار بود. وظایف اصلی او در آنجا عبارت بودند از: تحلیلگر اصلی برای ارزیابی و مقایسه‌ی مدلهای طولانی مدت انرژی؛ بعلاوه، تحلیلگر اصلی در بخشهای صنعتی، حمل و نقل و بازرگانی. او در آنجا مدل‌های مهندسی اقتصادی ترکیبی را ساخت و علاوه بر آن، هم پیش بینی‌های رسمی EIA از این بخش‌ها، و هم تجزیه و تحلیل عمیق آنها را توسعه داد. او همچنین با استفاده از تکنیک‌هایی که از حوزه‌ی شبکه عصبی گرفته شده، مدل صفحه گسترده‌ی صنعت گاز طبیعی مورد استفاده در پیش بینی های ۱۹۸۷ را ایجاد کرد. او در این مدت با گروه‌های تحقیقاتی انرژی وزارت انرژی (DOE) و آژانس حفاظت از محیط زیست (EPA) مکرراً کار می‌کرد و با دفاتر حفاظت و سیاست گذاری در وزارتخانه تعامل داشت. همچنین به طور مکرر با گروه‌هایی مانند ائتلاف ملی آموزش مصرف کننده (the National Coalition on Consumer Education) و میزگرد آینده‌ی جهانی (the Global Futures Roundtable) در ارتباط بود. در کارگروه بین کارگزاران Global 2000 Phase II که توسط شورای کیفیت محیط زیست (CEQ) در مورد بهبود مدل‌ها و داده‌های مورد نیاز برای بهبود مدل‌سازی جهانی تشکیل شده بود خدمت کرد.

از سال ۱۹۸۸ تا فوریه ۲۰۱۵، Werbos به عنوان مدیر برنامه در اداره‌ی مهندسی بنیاد ملی علوم آمریکا (National Science Foundation- NSF) مشغول به کار بود. وظایف او در آنجا شامل تعریف و ابلاغ اولویت‌ها، همکاری با سایر بخشهای NSF و دولت برای هماهنگی ابتکارات و به اشتراک گذاشتن پیشنهادها، پیشرفت مهندسی عصب به صورت گسترده، تصمیم‌گیری درباره‌ی پیشنهادها و حفظ بودجه بود.

Werbos در کنار تمام این فعالیت‌ها او در کمیته‌های حرفه‌ای نیز فعال بود. او عضو مؤسس جامعه‌ی بین المللی شبکه عصبی (International Neural Network Society) است و به عنوان عضو هیئت مدیره در سال ۱۹۸۹ در آن فعالیت داشته. وی در سال ۱۹۹۰ به عنوان دبیر و پس از آن در دوره‌ی ۱۹۹۱-۱۹۹۲ به عنوان رئیس جمهور جامعه‌ی بین‌المللی شبکه عصبی انتخاب شد. او به طور مداوم از همکاری INNS و IEEE و جلسات مشترک حمایت می‌کرد و پس از آن دوباره به عنوان عضو هیئت مدیره انتخاب شد.

Werbos همچنین در انجمن سیستم های کنترل IEEE یا IEEE Control Systems Society عضو بوده و در آنجا در کمیته‌ها برای تعریف کنترل هوشمند خدمت کرده است. وی نماینده‌ی سابق واشنگتن در انجمن L-5 است. همچنین به عنوان عضو وابسته‌ی کمیته انرژی منطقه‌ای B'nai B'rith به طور فعال کار می‌کرد. علاوه بر این‌ها او عضویت در کنگره جهانی شبکه های عصبی (World Congress on Neural Networks-WCNN94)، انجمن‌های حرفه‌ای IEEE ، انجمن سیستم های کنترل (Control Systems Society) ، انجمن SMC (Systems, Man and Cybernetics) را در کارنامه دارد و همچنین به عضویت AdCom (هیئت مدیره) انجمن SMC انتخاب شده است.

از افتخارات او کسب جایزه‌ی پیشگامان شورای شبکه عصبیIEEE با عنوان IEEE Neural Network Council، به عنوان همکار IEEE و عضو INNS، برای کار روی پس‌انتشار و کنترل هوشمند در سال ۱۹۹۵ است؛ و همچنین کسب جایزه جایزه Hebb، از انجمن بین المللی شبکه عصبی (International Neural Network Society-INNS)، در سال ۲۰۱۱، برای بزرگداشت مشارکت‌های اساسی در درک سیستم‌های یادگیری بیولوژیکی که بالاترین نشان INNS است.