三位深度学习之父共获2019年图灵奖

Tips:点击图片进入下一页

2019年3月27日 ——ACM宣布,深度学习的三位创造者Yoshua Bengio, Yann LeCun, 以及Geoffrey Hinton获得了2019年的图灵奖。

  http://tech.sina.com.cn/d/i/2019-03-27/doc-ihsxncvh6044779.shtml
       今天,深度学习已经成为了人工智能技术领域最重要的技术之一。在最近数年中,计算机视觉、语音识别、自然语言处理和机器人取得的爆炸性进展都离不开深度学习。

  三位科学家发明了深度学习的基本概念,在实验中发现了惊人的结果,也在工程领域做出了重要突破,帮助深度神经网络获得实际应用。

  在ACM的公告中,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。

  Bengio的贡献主要在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&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,让机器翻译获得突破,也成为了让深度学习处理序列的重要技术。

  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,也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。

  图灵奖由ACM于1966年设置,设立目的之一是纪念著名的计算机科学先驱艾伦·图灵。图灵奖是计算机科学领域的最高奖。获奖者必须在计算机领域具有持久重大的先进性技术贡献。人工智能领域的先驱马文·明斯基(Marvin Lee Minsky)、约翰·麦卡锡(John McCarthy)、艾伦·纽厄尔(Allen Newell)和司马贺(Herbert Alexander Simon)等人都曾经获奖。华人科学家姚期智2000年因为伪随机数生成等计算领域的重要贡献获奖。



网友评论:
Yann LeCun 纽约大学DSI的领军人物,今年申请纽大DS的人都high了吧
现代炼丹术
其实最该获奖的是Alex……

毕竟是hinton的学生,alexnet肯定算作老师的部分功劳了

获奖时间还没到而已吧,毕竟CNN发现者现在才能拿奖
道 祖
我一直奇怪yann lecun怎么起了一个华人名字

—— 来自 HUAWEI NXT-AL10, Android 8.0.0上的 v2.1.2
三姓家奴深度学习

— from vivo NEX S, Android 8.1.0 of Next Goose v2.1.0-play
Andrew Ng 是不是现在很气呀LOL

不过说真的现在all in 深度炼金术还来得及吗

Ng有什么好气的?他的学术成就本来就比这三位差远了啊,他成功的是其他方面。
没有Jürgen Schmidhuber可还行

hinton和lecun可是最开始搞出BP的人,alex还没到这个地步

andrew ng除了开了个课,从百度退出之后早就不玩儿学术了

现在早就晚了,几十个人抢一个炼丹的职位,good luck
现在做深度学习投机的那么多,这三位可是从many core计算架构还不是主流,算deep nn很难、没什么人重视的年代就做理论和实际研究了,也算的上成果经过时间检验了。
深度学习作为计算机领域的黑魔法,这三个魔法师得奖实至名归

现在统计phd 想转个行就这么难吗

统计phd,出来可以当quantitive analyst啊,这个职位tech公司也有的

炼丹我觉得比较难,现在没相关背景的简历基本过不了

在北美某公司里面的ai组当工程师,工程师还是招的

统计phd,出来可以当quantitive analyst啊,这个职位tech公司也有的

炼丹我觉得比较难,现在没相关背景的简历基本过不了

在北美某公司里面的ai组当工程师,工程师还是招的


噢噢噢噢噢谢谢!你是说data scientist 之类的吗?我之前接触过一些DS 做的项目,感觉有一些人用的技术有点糙我还是有一丢丢自信的

最近开始做的两个projects 都是可以用炼金术解决也可以用普通的统计方法解决,我现在倾向于放弃interpretability 全部改用炼金术,不知道以后找工作的时候有没有帮助

我觉得还是统计本身有技术含量些

暴力炼丹这个统计的phd要做估计也没有工程师来的快,炼丹交给我们其实是一个大趋势

反而显著性还有实验设计这些东西比较专业