刚刚，ACM宣布三位深度学习之父共同获得2018年图灵奖！

今天，ACM（计算机协会）宣布把2018年度ACM A.M.图灵奖颁给了Yoshua Bengio、Geoffrey Hinton和Yann LeCun，以表彰他们提出的概念和工作使得深度学习神经网络有了重大突破，如今神经网络已经成为计算领域的重要组成部分。

\n

2019年6月15日，在加利福尼亚州旧金山举行的ACM年度颁奖晚宴上，Bengio、Hinton和LeCun将正式收到2018年ACM A.M. 图灵奖。

\n

Hinton、LeCun和Bengio独立工作，共同开发了深度学习神经网络领域的概念基础，通过实验和实际工程证明了深度神经网络的优势。近年来，深度学习方法一直是计算机视觉、语音识别、自然语言处理和机器人技术等领域出现惊人突破的主要原因。

\n

“人工智能现在是所有科学领域发展最快的领域之一，也是社会上最受关注的话题之一，”ACM总裁Cherri M. Pancake说。 “人工智能的进步和兴盛在很大程度上归功于Bengio、Hinton和LeCun为深度学习最新进展奠定的基础。这些技术被数十亿人使用，任何一个拥有智能手机的人都可以切实体验到自然语言处理和计算机视觉方面的进步。除了我们每天使用的产品之外，深度学习的新进展还在医学领域、天文学、材料科学为科学家提供了强大的新工具。“

\n

“深度神经网络是现代计算机科学一些重大进步的促成因素，帮助计算机视觉、语音识别和自然语言理解方面的长期问题上取得了实质性进展，”谷歌高级研究员Jeff Dean说。“这一进步的核心是30多年前由今年的图灵奖获奖者Yoshua Bengio、Geoff Hinton和Yann LeCun开发的基础技术。通过显著提高计算机理解世界的能力，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努力的每一个领域。”

\n

Yoshua Bengio

\n

蒙特利尔大学教授，魁北克人工智能研究所Mila科学主任，与Ian Goodfellow、Aaron Courville两人合著 《深度学习》一书。Bengio的主要贡献是在1990年代发明的Probabilistic models of sequences。他把神经网络和概率模型（例如隐马尔可夫模型）结合在一起，并和AT\u0026amp;T公司合作，用新技术识别手写的支票。现代深度学习技术中的语音识别也是这些概念的扩展。此外Bengio还于2000年还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。他的团队还引入了注意力机制，让机器翻译取得重大突破，并成为了让深度学习处理序列的重要技术。

\n

Geoffrey Hinton

\n

谷歌副总裁兼工程研究员，Vector Institute的首席科学顾问，同时也是多伦多大学的名誉大学教授。Hinton最重要的贡献来自他1986年发明反向传播的论文“Learning Internal Representations by Error Propagation”，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。Hinton和他的学生Alex Krizhevsky以及Ilya Sutskever 通过Rectified Linear Neurons和 Dropout Regularization改进了卷积神经网络，并在著名的ImageNet评测中取得了很好的成绩，在计算机视觉领域掀起一场革命。

\n

Yann LeCun

\n

纽约大学的教授，也是Facebook的副总裁和首席人工智能科学家。Yann LeCun的代表贡献之一是卷积神经网络。1980年代，LeCun发明了卷积神经网络，现在已经成为了机器学习领域的基础技术之一，也让深度学习效率更高。1980年代末期，Yan LeCun在多伦多大学和贝尔实验室工作期间，首次将卷积神经网络用于手写数字识别。今天，卷积神经网络已经成为了业界标准技术，广泛用于计算机视觉、语音识别、语音合成、图片合成，以及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。他提出了一个早期的反向传播算法backprop，并根据变分原理给出了一个简洁的推导。他的工作让反向传播算法更快，比如描述了两个简单的方法可以减少学习时间。LeCun第三个贡献是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。他早期引进的一些工作现在已经成为了人工智能的基础概念。例如，在图片识别领域，他研究了如何让神经网络学习层次特征，这一方法现在已经用于很多日常的识别任务。他们还提出了可以操作结构数据（例如图数据）的深度学习架构。

\n

关于图灵奖

\n

ACM A.M.图灵奖，通常被称为“诺贝尔计算机奖”，100万美元奖金由谷歌公司提供财务支持。它的名称取自世界计算机科学的先驱、英国科学家、曼彻斯特大学教授艾伦·图灵（A.M. Turing），是计算机协会（ACM）于1966年设立的奖项，专门奖励对计算机事业作出重要贡献的个人。这个奖设立目的之一是纪念这位现代计算机科学的奠基者。获奖者必须是在计算机领域具有持久而重大的先进性的技术贡献。大多数获奖者是计算机科学家。是计算机界最负盛名的奖项，有“计算机界诺贝尔奖”之称。

\n

图灵奖对获奖者的要求极高，评奖程序也极严，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以上在同一方向上做出贡献的科学家同时获奖。

\n

参考链接：

\n

https://www.eurekalert.org/pub_releases/2019-03/afcm-fod032619.php

\n