2018图灵奖授予三位“AI教父” 十年来机器学习领域三次荣获计算机界诺奖

（图片：美国计算机协会官网）

今日，美国计算机协会宣布把2018年的图灵奖(被誉为计算机界的诺贝尔奖)颁给三位AI巨头Geoffrey Hinton(杰弗里•辛顿)、Yann LeCun(杨立昆)以及Yoshua Bengio(约书亚•本吉奥)。三位获奖者将瓜分部分由谷歌资助的100万美元奖金。

Geoffrey Hinton(71岁)：多伦多大学名誉教授兼谷歌大脑人工智能团队的高级研究员。

Yann LeCun(55岁)：纽约大学教授兼Facebook首席人工智能科学家。

Yoshua Bengio(58岁)：蒙特利尔大学教授兼人工智能公司Element AI的联合创始人。

这是图灵奖十年来第三次颁给机器学习领域的杰出贡献者了：2011 年图灵奖得主为 Judea Pearl，他开发的概率与因果推理微积分为人工智能发展做出了重大贡献。Leslie Gabriel Valiant 获得了 2010 年图灵奖，他为计算理论的发展作出了变革性贡献，包括 PAC 学习理论、并行与分布计算理论等。

在谈及今年颁奖理由时，美国计算机协会主席Cherri M. Pancake在一份声明中表示:“人工智能现在是所有科学领域中增长最快的领域之一，也是时下最火爆的话题之一。人工智能的发展和繁荣，在很大程度上要归功于Bengio、Hinton和LeCun为之奠定基础的深度学习的最新进展。这些技术被数十亿人使用。只要拥有智能手机的人现在都能实实在在地体验到自然语言处理和计算机视觉方面的进步，而这些体验在10年前是想都不敢想的。除了我们每天使用的产品，深度学习的新进展也为科学家们从医学到天文学再到材料科学的研究提供了强大的新工具。”

关于图灵奖

图灵奖(Turing Award)，全称"A.M. 图灵奖" ，由美国计算机协会于1966年设立，专门奖励那些对计算机事业作出重要贡献的个人 。其名称取自计算机科学的先驱、英国科学家艾伦·麦席森·图灵 。由于图灵奖对获奖条件要求极高，评奖程序又是极严，一般每年只奖励一名计算机科学家，只有极少数年度有两名合作者或在同一方向作出贡献的科学家共享此奖。因此它是计算机界最负盛名、最崇高的一个奖项，有"计算机界的诺贝尔奖"之称 。

每一年的图灵奖一般在下一年的4月初颁发 ，从1966年至今共67名获奖者 ，按国籍分，美国学者最多，欧洲学者偶见之，华人学者目前仅有2000年图灵奖得主姚期智(现任清华大学教授、香港中文大学客座教授 )。据相关资料统计，截止2018年，美国斯坦福大学获图灵奖人数位列世界第一(27位)，美国麻省理工学院(25位)、美国加州大学伯克利分校(25位)并列世界第二 ;哈佛大学(14位)和普林斯顿大学(13位)分列世界第四和第五名。

AI界三位“大牛”　　

三位获奖者在业内被称为“当代人工智能教父”，开创了深度神经网络(deep neural network),而这项技术已经成为计算科学的关键部分，为深度学习算法的发展和应用奠定基础。深度神经网络显著提升了计算机感知世界的能力，它不仅改变了计算领域，也几乎改变了科学和人类奋斗的所有领域。

简单的来说，深度神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。

说起来，Hinton、LeCun和Bengio三位在深度神经网络领域的渊源还颇深。Hinton曾师从著名的理论化学家和认知科学家、培养出诺奖得主的Christopher Longuet-Higgins。Lecun则是Hinton的博士后学生，也是神经网络的坚定信仰者，而Lecun与Bengio曾在贝尔实验室共事。大约10年前，Hinton还在加拿大政府的支持下获得了40万美元的支持，与LeCun，Bengio和该领域的其他学者一道组建了一个致力于“神经计算和适应性感知”的研究社区。

作为AI界的三大巨头，Geoffrey Hinton 、Yoshua Bengio以及Yann LeCun均为推进人工智能的发展做出了不可磨灭的贡献。

Geoffrey  Hinton 主要有三大重要贡献：

反向传播

玻尔兹曼机

对卷积神经网络的修正

Hinton在过去30年里一直致力于解决人工智能面临的一些最大挑战。除了他在神经网络方面取得的开创性成就--以生物神经元为模型的数学函数层--他还撰写或合着了200多篇经过同行评审的机器学习、感知、记忆和符号处理方面的出版物，包括1986年的一篇论文《Experiments on Learning by Back Propagation》，证明在神经网络中的反向传播可以提供“有趣的”分布表示，提出了影响后世人工智能的新方法。特别是，在计算机硬件越来越便宜、越来越强大的帮助下，计算机视觉、自然语言处理、机器翻译、药物设计和材料检测实现了巨大的飞跃，一些神经网络产生的结果甚至优于人类专家。

2012年，Hinton和两名研究生研究了著名的人工智能基准软件ImageNet。ImageNet的系统能够将10万张照片分成1000个类别，准确率高达85%，比第二名的准确率高出10个百分点。

Yoshua Bengio 主要有三大重要贡献：

序列的概率建模

高维词嵌入与注意力机制

生成对抗网络

Bengio是第一个将神经网络与序列的概率模型结合起来的人，这个概念已经扩展到当代的语音识别系统。在近20年前发表的一篇论文中，他引入了单词嵌入的概念，这是一种语言建模和特征学习范式，其中词汇表中的单词或短语映射到实数向量。嵌入式技术——以及Bengio最近与计算机科学家和谷歌大脑研究员Ian Goodfellow在生成对抗网络(GANs)方面的合作——已经彻底改变了机器翻译、图像生成、音频合成和文本到语音系统等领域。

Yann LeCun 主要有三大重要贡献：

提出卷积神经网络

改进反向传播算法

拓宽神经网络的视角

所谓虎父无犬子，LeCun也在神经网络领域取得众多开创性成就。他开发了卷积神经网络，这是一种高效的多层神经网络，通常用于分析视觉图像，但也应用于许多其他应用，包括自动驾驶、医学图像分析、声控助手和信息过滤。上世纪80年代，在多伦多大学和贝尔实验室(Bell Labs工作期间，他是第一个训练人工智能系统处理手写数字图像的人，并为反向传播算法的早期版本做出了贡献。此外，他还推广了分层特征表示的概念(该概念同时捕捉数据的局部关系和相互关系)和能够操纵结构化数据的AI模型体系结构。

谷歌高级研究员兼人工智能高级副总裁Jeff Dean这样评价者三位AI教父:“深度神经网络对推动现代计算机科学的进步功不可没，有助于在计算机视觉、语音识别和自然语言理解等长期存在的问题上取得重大进展。这一进步的关键在于30多年前由图灵奖得主Yoshua Bengio、Geoff Hinton和Yann LeCun开发的基本技术。通过大幅提高计算机感知世界的能力，深度神经网络不仅改变了计算领域，而且几乎改变了科学和人类奋斗的每一个领域。”