 深度学习，是近来兴起的人工智能技术。 在传统的计算方法中，计算机会按部就班地执行指令。而在深度学习中，计算机不被明确告知如何解决特定任务，而是模拟大脑神经网络形成一种学习算法，从数据中提取模式，然后根据输入数据给出结果。 通常，模拟的神经网络层数越深，结果越好，因此相关方法被称作深度学习。  美国东部时间3月27日，美国计算机协会（ACM）宣布： 深度学习技术的三位推动者尤舒亚 · 本吉奥（Yoshua Bengio）、杰弗里 · 辛顿（Geoffrey Hinton），和雅恩 · 乐昆（Yann LeCun）因其在神经网络方面的成就，赢得了2018年的图灵奖（A.M. Turing Award），共同分享100万美元奖金。  先简单聊聊图灵奖。 这一奖项创立于1966年，是计算机界的最高荣誉，也被称为“计算机界的诺贝尔奖”。 其名称取自计算机先驱艾伦 · 图灵 (Alan. M. Turing)，该奖对获奖者的要求极高：必须在计算机领域具有持久而重大的先进性技术贡献。  评奖程序也非常严格，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以上获奖者。 而今年，获奖者为三人。 这也是自图灵奖自建立以来的少有的情况。ACM在公告中这样介绍他们的成就： 这三位科学家在概念和工程学上取得突破，使深度神经网络成为计算科学的关键部分。这种深度学习方法促使计算机视觉、语音识别、自然语言处理和机器人等领域取得突破性进展。  实际上在计算机科学领域，获奖的这三位早已是“教父”级别的人物。 Yoshua Bengio（58岁） 蒙特利尔大学教授、魁北克人工智能机构 Mila 的科学主管。  他曾与其他专家合著被业内誉为“圣经”的《深度学习》（Deep Learning）。 另外，他在1990年代发明的序列的概率模型，为语音识别技术奠定了重要基础。 同时，Bengio 发表的论文《A Neural Probabilistic Language Model》也让机器翻译获得了技术突破，成为深度学习处理序列的重要技术。 据统计，他的论文在2018年平均每天被引用131次。 Geoffrey Hinton（71岁） 谷歌副总裁和 Engineering Fellow，Vector人工智能研究院首席科学顾问，多伦多大学名誉教授。  他最重要的贡献包括反向传播的论文《Learning Internal Representations by Error Propagation》，该理论能让神经网络发现自己内部的数据表征，处理以往无法解决的问题。 其次是1983年发明的玻尔兹曼机（Boltzmann Machines），以及2012年对卷积神经网络的改进，曾在计算机视觉领域掀起了一场重要革命。 同时，他也是复兴深度学习技术最早的发起人。 Yann LeCun（55岁） 纽约大学教授、Facebook 副总裁和首席 AI 科学家。他也被誉为“卷积神经网络之父”。  1980年代，LeCun发明了机器学习领域的基础技术之卷积神经网络，让深度学习效率更高。 如今，卷积神经网络已经成广泛用于计算机视觉、语音识别、语音合成、图片合成、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、信息过滤等工业应用方向。 LeCun的第二个重要贡献是改进了反向传播算法，让反向传播算法更快。另外，他还拓展了神经网络的应用范围，他把神经网络变成了一个可以完成大量不同任务的计算模型，这一方法现在已经用于很多日常的识别任务。 可以明确地说，这三位科学家共同发明了深度学习的基本概念，开创了经得起时间考验的理论。 而今天，深度学习已经是人工智能技术领域最重要的技术之一，计算机视觉、语音识别、自然语言处理、机器人近些年取得的爆炸性进展都离不开深度学习。  但在光环之下，他们也承受了长达30年的质疑和误解。 早在20世纪80年代，Hinton 就开始提倡这一全新概念：引入人工神经网络帮助计算机识别模式、模拟人类智能。但他的想法，遭到了包括导师在内的很多人工智能学者的质疑甚至反对。 好在还有一批跟Hinton一样的“顽固派”。  Yann Lecun 是 Hinton 的博士后学生，也是神经网络的坚定信仰者，而 Bengio 虽然不是 Hinton 的直系弟子，但也被认为是和 Hinton、LeCun 一起推动了深度学习的浪潮，他开创了神经网络的语言模型 language model 的先河。 正是这三人的不懈努力，使得基于神经网络从不被看好的偏门领域，变成如今几乎所有人工智能技术进步的核心。 也正是他们这样“一小撮”研究者顶着外界的反对声音，坚持研究这种方法30多年，才有今天的重大技术进步，他们的方法也已成为该领域的主导范式。 因此，Bengio、Hinton 和 LeCun 被称为“深度学习三剑客”。  谈起这次图灵奖的评选，AMC主席Cherri Pancake在颁奖时说： “人工智能是现在所有学科中发展最快的，人们在任何时候都能从口袋里的智能手机体验到自然语言处理和计算机视觉方面的进步，都是受益于这三位计算机科学家的研究成果。 深度学习的进展也为医学到天文学再到材料学等领域的科学家提供了研究的新工具。” 从另一个角度讲，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。 对于 Bengio、Hinton 和 LeCun 来说，他们熬过了艰难的30年，等到了曙光。而更幸运的是，作为受益者的我们，没有错过计算机技术变革的时代。 我们也有理由相信，这项技术定会改变现在、以及未来的一切。 参考资料： |
|
|
