AI大熱，三位深度學(xué)習先驅贏(yíng)得2018年圖靈獎

Yann LeCun

Yann LeCun是紐約大學(xué)教授、Facebook副總裁兼人工智能首席科學(xué)家，他也被譽(yù)為“卷積神經(jīng)網(wǎng)絡(luò )之父”。

所以Yann LeCun的代表貢獻之一是卷積神經(jīng)網(wǎng)絡(luò )。1980年代，LeCun發(fā)明了機器學(xué)習領(lǐng)域的基礎技術(shù)之卷積神經(jīng)網(wǎng)絡(luò )，讓深度學(xué)習效率更高。Yann LeCun在多倫多大學(xué)和貝爾實(shí)驗室工作期間，首次將卷積神經(jīng)網(wǎng)絡(luò )用于手寫(xiě)數字識別。如今，卷積神經(jīng)網(wǎng)絡(luò )已經(jīng)成廣泛用于計算機視覺(jué)、語(yǔ)音識別、語(yǔ)音合成、圖片合成、自然語(yǔ)言處理等學(xué)術(shù)方向，以及自動(dòng)駕駛、醫學(xué)圖片識別、語(yǔ)音助手、信息過(guò)濾等工業(yè)應用方向。

LeCun的第二個(gè)重要貢獻是改進(jìn)了反向傳播算法。他提出了一個(gè)早期的反向傳播算法backprop，根據變分原理給出了一個(gè)簡(jiǎn)潔的推導，讓反向傳播算法更快。

他的第三個(gè)貢獻則是拓展了神經(jīng)網(wǎng)絡(luò )的應用范圍，他把神經(jīng)網(wǎng)絡(luò )變成了一個(gè)可以完成大量不同任務(wù)的計算模型。他早期引進(jìn)的一些工作現在已經(jīng)成為了人工智能的基礎概念，例如在圖片識別領(lǐng)域，他研究了如何讓神經(jīng)網(wǎng)絡(luò )學(xué)習層次特征，這一方法現在已經(jīng)用于很多日常的識別任務(wù)。

Yoshua Bengio

目前，Bengio是蒙特利爾大學(xué)教授，也是魁北克人工智能研究所Mila的科學(xué)主任。

Yoshua Bengio的貢獻主要是他在1990年代發(fā)明的序列的概率模型，該理論將神經(jīng)網(wǎng)絡(luò )和概率模型結合，成功用新技術(shù)識別手寫(xiě)的支票，而現代深度學(xué)習技術(shù)中的語(yǔ)音識別也是在此基礎上進(jìn)行擴展。

此外Bengio發(fā)表的論文“A Neural Probabilistic Language Model”，使用了高維詞向量來(lái)表征自然語(yǔ)言。他的團隊還引入了注意力機制，讓機器翻譯獲得技術(shù)突破，成為深度學(xué)習處理序列的重要技術(shù)。

Geoffrey Hinton

Geoffrey Hinton是谷歌副總裁兼工程研究員、Vector研究所首席科學(xué)顧問(wèn)、多倫多大學(xué)名譽(yù)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(jīng)網(wǎng)絡(luò )發(fā)現自己內部的數據表征，這樣便可以處理以往無(wú)法解決的問(wèn)題。

其次是1983年發(fā)明的玻爾茲曼機（Boltzmann Machines），以及2012年對卷積神經(jīng)網(wǎng)絡(luò )的改進(jìn)。Hinton和他的學(xué)生Alex Krizhevsky以及Ilya Sutskever 通過(guò)Rectified Linear Neurons和 Dropout Regularization改進(jìn)了卷積神經(jīng)網(wǎng)絡(luò )，并在著(zhù)名的ImageNet評測中取得了很好的成績(jì)，在計算機視覺(jué)領(lǐng)域掀起一場(chǎng)革命。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！