有“计算机界诺贝尔奖”之称的ACMAM图灵奖（ACMA.M.TuringAward）今日公布年获奖者，由引起这次人工智能革命的三位深度学习之父——蒙特利尔大学教授YoshuaBengio、多伦多大学名誉教授GeoffreyHinton、纽约大学教授YannLeCun获得，他们使深度神经网络成为计算的关键。
（来源：ACM）
今日，AI早超越了“炒作”的阶段，已经向全球及多个行业展现了实际的技术突破及应用能力，毫无疑问，这三位学者厥功至伟。
这三位人工智能界的大神级学者，都是在80年代前后投入深度神经网络的研究领域，在当时，这绝对是个冷门的领域。但就同Geoffrey在过去接受媒体采访时所提到的，将他引上这条超过40年研究之路的不是别的，就是对“人脑的好奇”。在过去接受彭博（Bloomberg)的一次访问中，GeoffreyHinton就曾提到，“如果你真的想了解一个非常复杂的装置，比如大脑，那你就自己造一个”，这样的一个念头，让他就此进入人工神经网络研究的世界。
有同样的想法的不只GeoffreyHinton，YannLeCun也是如此。YannLeCun得知获得殊荣后，Facebook博客也刊登了他的看法，YannLeCun指出，“我们三个人进入这个领域不仅仅是因为我们想要建造智能机器，我们只是想了解“智能”，包括“人类智能”，“我们正在寻找智能和学习的基本原则，并通过构建智能机器来了解我们自己”。
ACM表示，这三位学者共同开发该领域的概念基础，并验证了令人惊艳的表现，为工程进展带来了贡献，证明了深度神经网络的实际优势。近年来，深度学习方法在计算机视觉、语音识别、自然语言处理和机器人技术带来了惊人突破，其影响也已经蔓延到计算机以外太多其他领域，数学家物理学家化学家生物学家也都开始用深度学习加速科研。
YoshuaBengio，蒙特利尔大学计算机科学与运筹学系全职教授，也是深度学习“三巨头”中唯一一位仍全身心在学术界工作的大牛。他的诸多科研积累，包括深度学习架构、循环神经网络（RNN）、对抗算法、表征学习，影响和启发了后来的大量研究者，将深度学习应用到自然语言处理、计算机视觉等人工智能的各个主要领域，对近年来深度学习的崛起和发展起到了巨大的推动作用。目前,他是仅存的几个仍然全身心投入在学术界的深度学习教授之一，为人工智能培养了许多杰出的下一代人才。
GeoffreyHinton，谷歌副总裁兼工程研究员，VectorInstitute的首席科学顾问，多伦多大学的名誉大学教授。他在80年代把以前没有受重视的反向传播(BP)算法引入了神经网络，使得复杂神经网络的训练成为可能，直到今天，反向传播算法依然是训练神经网络最重要的算法。之后，他又在年发明玻尔兹曼机（BoltzmannMachines），以及在年改进了卷积神经网络的，并在著名的ImageNet评测中取得惊人成绩，在计算机视觉领域掀起一场革命。
YannLeCun，Facebook人工智能研究院负责人，纽约大学数据科学中心的创始人之一。他最广为人知的工作是CNN（卷积神经网络）。YannLeCun，将反向传播算法引入了CNN，并且发明了权值共享、池化等技巧，让CNN真正更为可用，现在，CNN已经广泛用于计算机视觉、语音识别、语音合成、图片合成以及自然语言处理等学术方向，以及自动驾驶、医学图片识别、语音助手、信息过滤等行业应用方向。他还在年开发了LeNet5——首个被大规模商用的CNN，并制作了被Hinton称为“机器学习界的果蝇”的经典数据集MNIST。更难能可贵的是，他坚持了约20年，才迎来了CNN如今的繁荣。
起伏30年，深度学习终获最高认可
80年代，人工神经网络被引入作为帮助计算机识别模式和模拟人类智能的工具，到21世纪初，专研此法的这三位学者仍是小众，虽然他们重新点燃AI社区对神经网络的兴趣，尽管一开始遭到怀疑，但随着算力的突破，他们的想法终于迎来技术大跃进，从学术界异类甚至是边缘成为主流范式。三位获得此殊荣的学者将在6月15日于ACM年度颁奖宴会上正式获得年图灵奖。“
AI是当今科学界发展最快的领域之一，也是社会上最受
转载请注明：http://www.0431gb208.com/sjszjzl/4139.html
