恭喜三位科學家。

被譽為「計算機界諾貝爾獎」的圖靈獎在27日公布了獲獎人，ACM宣布，深度學習的三位創造者Yoshua Bengio、Yann LeCun以及Geoffrey Hinton獲得了2018年的圖靈獎，以表彰他們給人工智慧帶來的重大突破，這些突破使深度神經網路成為計算的關鍵組成部分。屆時，這三位獲獎人士將分享100萬美元的獎金。

眾所周知，在人工智慧時代，深度學習是最關鍵的基礎技術之一，在當前的計算機視覺、語音識別、自然語言處理以及機器人等領域，深度學習做出了巨大的貢獻。

據悉，這也是圖靈獎1966年建立以來少有的一年頒獎給三位獲獎者。ACM在公告分別陳述了三位科學獎在深度學習領域做出的突出貢獻。

Yann LeCun

Yann LeCun是紐約大學教授、Facebook副總裁兼人工智慧首席科學家，他也被譽為「卷積神經網路之父」。

所以Yann LeCun的代表貢獻之一是卷積神經網路。1980年代，LeCun發明了機器學習領域的基礎技術之卷積神經網路，讓深度學習效率更高。Yann LeCun在多倫多大學和貝爾實驗室工作期間，首次將卷積神經網路用於手寫數字識別。如今，卷積神經網路已經成廣泛用於計算機視覺、語音識別、語音合成、圖片合成、自然語言處理等學術方向，以及自動駕駛、醫學圖片識別、語音助手、信息過濾等工業應用方向。

LeCun的第二個重要貢獻是改進了反向傳播演算法。他提出了一個早期的反向傳播演算法backprop，根據變分原理給出了一個簡潔的推導，讓反向傳播演算法更快。

他的第三個貢獻則是拓展了神經網路的應用範圍，他把神經網路變成了一個可以完成大量不同任務的計算模型。他早期引進的一些工作現在已經成為了人工智慧的基礎概念，例如在圖片識別領域，他研究了如何讓神經網路學習層次特徵，這一方法現在已經用於很多日常的識別任務。

Yoshua Bengio

目前，Bengio是蒙特利爾大學教授，也是魁北克人工智慧研究所Mila的科學主任。

Yoshua Bengio的貢獻主要是他在1990年代發明的序列的概率模型，該理論將神經網路和概率模型結合，成功用新技術識別手寫的支票，而現代深度學習技術中的語音識別也是在此基礎上進行擴展。

此外Bengio發表的論文「A Neural Probabilistic Language Model」，使用了高維詞向量來表徵自然語言。他的團隊還引入了注意力機制，讓機器翻譯獲得技術突破，成為深度學習處理序列的重要技術。

Geoffrey Hinton

Geoffrey Hinton是谷歌副總裁兼工程研究員、Vector研究所首席科學顧問、多倫多大學名譽教授。

他最重要的貢獻包括反向傳播的論文「Learning Internal Representations by Error Propagation」，論文提到反向傳播能讓神經網路發現自己內部的數據表徵，這樣便可以處理以往無法解決的問題。

其次是1983年發明的玻爾茲曼機（Boltzmann Machines），以及2012年對卷積神經網路的改進。Hinton和他的學生Alex Krizhevsky以及Ilya Sutskever 通過Rectified Linear Neurons和 Dropout Regularization改進了卷積神經網路，並在著名的ImageNet評測中取得了很好的成績，在計算機視覺領域掀起一場革命。

更多優質內容，請持續關注鎂客網~~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！