标签：can 平均值 general work 影响 方式 经济 learning tps
ACM 宣布，2018 年图灵奖获得者是号称深度学习三巨头的 Yoshua Bengio, Yann LeCun 和 Geoffrey Hinton，得奖理由是：他们在概念和工程上取得的巨大突破，使得深度神经网络成为计算的关键元素（For conceptual and engineering breakthroughs that have made deep neural networks a critical component of computing.）。
Yoshua Bengio，蒙特利尔大学教授。Bengio 教授凭《Learning Deep Architectures for AI》、《A neural probabilistic language model》两篇经典之作在内的 300 多篇论文，对深度学习的发展起到了巨大的推动作用，他与 Geoff Hinton、Yann LeCun 两位一起造就了 2006 年始的深度学习复兴，并称深度学习三巨头。Yoshua Bengio 教授于 2017 年获得加拿大总督功勋奖。
Bengio 教授研究人工智能的动力就是发掘它的潜能，而不是对它的恐惧。他的研究成果不仅是如今 AI 热浪的基石，也是加拿大在人工智能时代占据一席领导者位置的重要原因。「要让电脑能像人类那样思考，或者起码能像人类那样理解世界，我们现在离那一步还太远」，Bengio 教授说，「但是人工智能现在的发展已经足以对经济和人类的福祉产生巨大的影响。」
Yann LeCun 出生在法国，曾在多伦多大学跟随深度学习鼻祖 Geoffrey Hinton 进行博士后研究。早在 20 世纪 80 年代末，Yann LeCun 就作为贝尔实验室的研究员提出了卷积网络技术，并展示如何使用它来大幅度提高手写识别能力。上世纪末本世纪初，当神经网络失宠时，Yann LeCun 是少数几名一直坚持的科学家之一。他于 2003 年成为纽约大学教授，并从此引领了深度学习的发展，目前是 Facebook 首席人工智能科学家，并创立了 Facebook 人工智能研究院（FAIR）。
在去年 11 月接受专访时，被问到退休之前最想做出来的成果，他表示，「我的兴趣实际上还是在学习上，比如我喜欢寻找不同的方式让机器通过观察来学习这个世界是怎么运作的。这就意味着在包含有不确定性的环境中学习。如果你让机器看一段视频，然后让它预测接下来会发生什么，可能的发展其实会有很多。但另一方面，所有这些可能的发展里，真正发生在接下来的视频里只会有一种，但其他的状况也还是有可能发生的。当你训练一个机器预测视频的时候，如果你不小心的话，它就会输出一个模糊的预测结果，差不多是所有可能发生的情境的平均值。那这就是一个糟糕的预测了。」
Geoffrey E. Hinton（生于 1947 年 12 月 6 日），「神经网络之父」，「深度学习鼻祖」。Geoffrey E. Hinton 是加拿大认知心理学家和计算机科学家，爱丁堡大学人工智能博士，以他的人工神经网络 (artificial neural networks) 而出名，被称为「神经网络之父」、「深度学习鼻祖」。
他目前是多伦多大学特聘教授，并于 2013 年加入加入谷歌 AI 团队，将神经网络带入应用一线，比如将他的成名作 Back Propagation（反向传播）算法应用到神经网络与深度学习，同时他也是第一个证明了广义反向传播算法（BP 算法 GeneralizedBackPropagationAlgorithm）训练多层神经网络的人。
他获得的重要奖项包括：2001 年「Rumelhart 奖」（国际认知科学领域最高学术荣誉，Geoffrey E. Hinton 是获得该奖项的第一人）；2005 年 IJCAI「卓越研究奖」；2011 年「加拿大自然科学与工程研究委员会吉勒斯•布拉萨德博士奖」（Herzberg Canada Gold Medal for Science and Engineering）；2012 年，Hinton 获得加拿大「基廉奖」（Killam Prizes，有「加拿大诺贝尔奖」之称的国家最高科学奖）；2016 年欧胜、RSE 和 IEEE 联合颁发「James Clerk Maxwell 奖」等。
图灵奖历年得主：https://amturing.acm.org/byyear.cfm
标签：can 平均值 general work 影响 方式 经济 learning tps
原文地址：https://www.cnblogs.com/doit8791/p/10612611.html
