2018图灵奖已颁布 三位深度学习之父共获奖

2019年3月27日，ACM宣布，YoshuaBengio, Yann LeCun, 以及Geoffrey Hinton获得2018年的图灵奖，共同分享100万美元奖金。本届图灵奖的三位获奖者中，55岁的Bengio是蒙特利尔大学教授，魁北克人工智能研究所米拉的科学主任，并创立了一家名为Element AI的AI公司；71岁的Hinton是Google副总裁兼工程研究员，Vector Institute首席科学顾问，多伦多大学名誉大学教授； 58岁的LeCun是纽约大学的教授，也是Facebook的的副总裁兼首席人工智能科学家。

人工智能的增长和兴趣在很大程度上归功于近些年 Bengio，Hinton 和 LeCun 为深度学习奠定的基础。三位获奖者在业内被称为 “当代人工智能教父”，他们开创了深度神经网络，跨越了学术和业界，一直为人工智能研究生态系统贡献着力量。

Geoffrey Hinton

1986年，与David Rumelhart和Ronald Williams共同撰写的论文Learning Internal Representations by Error Propagation 中 ，发明了反向传播。1983年，与 Terrence Sejnowski 一起发明了玻尔兹曼机。2012年，他与学生 Alex Krizhevsky 和 Ilya Sutskever 一起使用 rectified linear neurons 和 dropout regularization 改进了卷积神经网络。在著名的 ImageNet 竞赛中，Hinton 和他的学生几乎将对象识别的错误率减半并且重塑了计算机视觉领域。

Yoshua Bengio

20 世纪 90 年代，Bengio 将神经网络与序列的概率模型相结合，例如隐马尔可夫模型。这些想法被纳入 AT＆T / NCR 用于阅读手写支票的系统中，被认为是 20 世纪 90 年代神经网络研究的巅峰之作，现代深度学习语音识别系统正在扩展这些概念。2000年，Bengio 撰写了具有里程碑意义的论文 A Neural Probabilistic Language Model，使用高维词向量表征自然语言。 Bengio 的见解对自然语言处理任务产生了巨大而持久的影响，包括语言翻译、问答和视觉问答。他的团队还引入了一种注意力机制，这种机制让机器翻译获得突破，并形成了让深度学习处理序列的关键组成部分。自 2010 年以来，Bengio 关于生成性深度学习的论文，特别是与 Ian Goodfellow 共同开发的生成性对抗网络（GAN），引发了计算机视觉和计算机图形学的革命。

Yann LeCun

20 世纪 80 年代，LeCun 发明了卷积神经网络，它让深度学习的效率更高。20 世纪 80 年代后期，在多伦多大学和贝尔实验室工作期间，LeCun 是第一个在手写数字图像上训练卷积神经网络系统的人。如今，卷积神经网络是计算机视觉以及语音识别、语音合成、图像合成和自然语言处理的行业标准。它被应用在各种领域，包括自动驾驶、医学图像分析、语音激活助手和信息过滤。LeCun提出了反向传播算法的早期版本（backprop），并根据变分原理对其进行了简洁的推导。他加快了反向传播算法的工作。