首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

三人行,凭借脑洞和发量,拿下图灵!

全文共3275字,预计学习时长9分钟

亲爱的,要做梦就就做大一些。

——《盗梦空间》

2018图灵奖于昨日迎来了它的“三位主人”——Yoshua Bengio(约书亚·本希奥)、Geoffrey Hinton(杰弗里·欣顿)和Yann LeCun(杨立昆)。他们三人被称为“深度学习之父”。

毋庸置疑,深度神经网络是现代计算机科学领域最伟大的进步之一。Yoshua Bengio、Geoffrey Hinton和 Yann LeCun,正是深度神经网络的开创者。他们在上世纪90年代以来的实现的技术突破,为计算机视觉、语音识别等技术的发展奠定了基础。因此当前人工智能才有了更多的应用和落地场景,如自动驾驶汽车、医疗诊断、Ai翻译,或者面部识别等等。

来源 | ACM官网(Association for Computing Machinery)

中国人工智能建设离“上道”还有多远?

2015年度图灵奖得主惠特菲尔德·迪菲(WhitfieldDiffie)在接受采访时表示,中国在发展人工智能方面很有优势。中国高校也抓住AI发展的热潮,紧急建立人工智能学院。在2018年认定的首批612个“新工科”研究与实践项目中,布局建设了57个人工智能类项目。

但事实上,国内人工智能教育的现实并不理想。许多高校的AI专业只是新瓶装旧酒,将电子信息大类与自动化类重新排列组合,相关理论相对落后,难以实现同步更新迭代。高校的专业与社会实践之间缺乏协调,存在谷仓效应。最终形成理论与实践的分层。缺乏技术开发和相关训练,终将是纸上谈兵。

目前国内AI研究环境并不理想,缺乏领域前沿的技术理论、实景操作,以及相关部门及企业的持续性资金和技术鼓励。在30年前,2018图灵奖获得者Yoshua Bengio、Geoffrey Hinton和 Yann LeCun也面临着这样的窘境。

然而“三大巨头”最终凭借着对人工智能的信任,在研究道路上宠辱偕忘、坚定不移。他们不仅仅将AI作为一门学问,而是想方设法将其渗透在具体实践当中。试图用深度学习的方法解决生产劳动中的具体问题。这种科学高效的研究方法招徕了一大批志愿投身AI领域的新型人才。

图 | Yann LeCun

当然他们的获奖离不开一个稳定良好的研究环境,在“深度学习”面临诸多质疑的时代,加拿大国家研究基金依然慷慨支持。才使得科学家“术业有专攻”,一心思考“大脑”的秘密。

“深度学习”三巨头的获奖,对国内有志青年无疑是一次巨大的鼓励。对卷积神经网络(CNN)、自然语言处理(NPL)的掌握在“深度学习”的时代显得尤为重要。坚持、技术和“形而上”的思考缺一不可。就像Yoshua Bengio、Geoffrey Hinton和 Yann LeCun一直以来坚守的那样。

30年攻坚战的胜利

人工智能的探索是一场攻坚战,繁荣与凛冬并存。上世纪80年代末,人工智能面临着最艰涩的环境和质疑。人们对人工智能的过高期待与落后的技术和算法相悖。而这三人却由此聚首,用计算机模拟神经元网络,探索数字之间的依赖和联系。深度神经网络由此诞生。

2018图灵奖得主,从左到右依次为:Yann LeCun 、

Geoffrey Hinton和 Yoshua Bengio

直至90年代中期到20世纪初,深度神经网络一直伴随着质疑和否定,甚至被斥为“邪说”。但而今“深度学习”(deep learning)已然成为驱动人工智能发展的中坚力量。所谓“深度学习”(deep learning)即“根据某些基本原理训练一个只能计算机系统,最终使机器具备自学的能力”。这项技术实现的背后,涵盖着无数次的训练和数据支撑。

图 | Yoshua Bengio(来源:DT君)

当计算机拥有了“虚拟神经元”,具备接收和分析“图像”、“语音”的功能之后,机器系统拥有了积累经验的能力,输出结果就不再成为问题。人工智能因为这三位大师真正走向了人类生活领域。

人,认识你自己

“认识你自己”,这句刻写在希腊圣城德尔斐神殿上的箴言,鞭策着人对存在本质的不断探索。无疑,Yoshua Bengio、Geoffrey Hinton和 Yann LeCun,推进了人类对存在认知的转向。

人与万物始处于一种对象化关系之中。“能力”的对比产生了诸多现代文明。现代科技亦从探究人以外的自然万物转而研究人类自身。从对自然的认识和改造转变为对人本身特殊性——“智慧”的认识,人类在想办法将自身从自然中“超脱”出来。

现代科学认为,人最神秘的地方,正是大脑神经元。Geoffrey Hinton和Yann LeCun正是出于对“大脑的好奇”,他们一直在搭建解析大脑的“梦幻空间”。。Geoffrey Hinton 曾在一次彭博社采访中表示:“如果你真的想了解一个非常复杂的装置,比如大脑,你就自己造一个”。

Yann LeCun也在Facebook 上指出,他们三人进入深度学习领域,是出于对人类智慧的好奇,“我们正在寻找只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”。

图 | Yoshua Bengio

这样的宏伟理想让当代人文学者十分恐慌,甚至提出技术“控制论”等主张。事实上,当前的AI技术远不足以达到控制人类的高度,因此需要更多相关专业的研究。

与之相反,这三位图灵奖得主反而更为关心当前的人文环境。100万美元奖金,将由三位获奖者平分。其中Hinton表示要把奖金的一部分捐给多伦多大学的人文学科,因为“他们的科研资金远没有那么充裕,而我认为人文学科对未来非常重要”。Bengio说,他要用他那一份奖金,来帮助对抗气候变化。

“大神”的发量和成就一样惊人

三位大牛成果累累,国内网友调侃,让机器自己学习,是怎样惊人的脑洞!表示自己急需“放下手机,起来学习”的神经系统。不少程序猿更是注意到三人的共同点——发量与其成就一样惊人!

约书亚·本希奥(Yoshua Bengio): 加拿大蒙特利尔大学计算机科学与运筹学系教授。

• 1990年代发明了Probabilistic models of sequences。将神经网络和概率模型(例如隐马尔可夫模型)相结合。

• 2000年发表了划时代的论文:“A Neural Probabilistic Language Model”,

• 使用高维词向量来表征自然语言。将深度学习应用到自然语言处理等领域。

杰弗里·欣顿(Geoffrey Hinton): 谷歌副总裁兼工程研究员、Vector Institute首席科学顾问、多伦多大学名誉教授

• 1986年发表反向传播的论文“Learning Internal Representations by Error Propagation”;使得复杂神经网络成为可能。

• 1983年发明了玻尔兹曼机(Boltzmann Machines),

• 2012年改进卷积神经网络。

杨立昆(Yann LeCun): 纽约大学数据科学中心创始人之一、Facebook 首席 AI 科学家。

• 1980年代,LeCun发明了卷积神经网络(CNN),并首次将卷积神经网络用于手写数字识别。

• 改进了反向传播算法,将其引入CNN。

• 拓展了神经网络的应用范围,推进了神经网络向现实落地。

三位骑士,铠甲加身,带着图灵奖,共同迈向AI的黄金时代!

虽然国内外AI界上下沸腾,但昨日只是预热。2018年ACM的颁奖晚宴将于2019年6月15日举行。深度学习的三位大师——Bengio、Hinton和LeCun将在那一天共同捧起“图灵碗”,让我们共同期待那一刻的旧金山!

Tips:图灵奖(ACM A.M. Turing Award)有着“计算领域诺贝尔奖”之称。由美国计算机协会于 1966 年设立,专门奖励对计算机事业作出重要贡献的个人,其名称源自计算机科学先驱、英国科学家、曼彻斯特大学教授艾伦·图灵(A.M. Turing),奖金高达 100 万美元,由谷歌公司提供赞助。图灵奖大部分情况下只颁给一位获奖人,两位或三位科学家同时获奖的情况较为少见。2000 年图灵奖得主、中国科学院院士姚期智是目前唯一一位获得该奖项的中国科学家。

留言 点赞 发个朋友圈

我们一起分享AI学习与发展的干货

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190328A0JGY100?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券