
2019 年 6 月 15 日,在加利福尼亞州舊金山舉行的 ACM 年度頒獎晚宴上,Bengio、Hinton 和 LeCun 將正式收到 2018 年 ACM A.M. 圖靈獎。
Hinton、LeCun 和 Bengio 獨立工作,共同開發(fā)了深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)領(lǐng)域的概念基礎(chǔ),通過實驗和實際工程證明了深度神經(jīng)網(wǎng)絡(luò)的優(yōu)勢。近年來,深度學(xué)習(xí)方法一直是計算機(jī)視覺、語音識別、自然語言處理和機(jī)器人技術(shù)等領(lǐng)域出現(xiàn)驚人突破的主要原因。
“人工智能現(xiàn)在是所有科學(xué)領(lǐng)域發(fā)展最快的領(lǐng)域之一,也是社會上最受關(guān)注的話題之一,”ACM 總裁 Cherri M. Pancake 說。 “人工智能的進(jìn)步和興盛在很大程度上歸功于 Bengio、Hinton 和 LeCun 為深度學(xué)習(xí)最新進(jìn)展奠定的基礎(chǔ)。這些技術(shù)被數(shù)十億人使用,任何一個擁有智能手機(jī)的人都可以切實體驗到自然語言處理和計算機(jī)視覺方面的進(jìn)步。除了我們每天使用的產(chǎn)品之外,深度學(xué)習(xí)的新進(jìn)展還在醫(yī)學(xué)領(lǐng)域、天文學(xué)、材料科學(xué)為科學(xué)家提供了強(qiáng)大的新工具。“
“深度神經(jīng)網(wǎng)絡(luò)是現(xiàn)代計算機(jī)科學(xué)一些重大進(jìn)步的促成因素,幫助計算機(jī)視覺、語音識別和自然語言理解方面的長期問題上取得了實質(zhì)性進(jìn)展,”谷歌高級研究員 Jeff Dean 說。“這一進(jìn)步的核心是 30 多年前由今年的圖靈獎獲獎?wù)?Yoshua Bengio、Geoff Hinton 和 Yann LeCun 開發(fā)的基礎(chǔ)技術(shù)。通過顯著提高計算機(jī)理解世界的能力,深度神經(jīng)網(wǎng)絡(luò)不僅改變了計算領(lǐng)域,而且?guī)缀醺淖兞丝茖W(xué)和人類努力的每一個領(lǐng)域。”
蒙特利爾大學(xué)教授,魁北克人工智能研究所 Mila 科學(xué)主任,與 Ian Goodfellow、Aaron Courville 兩人合著 《深度學(xué)習(xí)》一書。Bengio 的主要貢獻(xiàn)是在 1990 年代發(fā)明的Probabilistic models of sequences。他把神經(jīng)網(wǎng)絡(luò)和概率模型(例如隱馬爾可夫模型)結(jié)合在一起,并和 AT&T 公司合作,用新技術(shù)識別手寫的支票。現(xiàn)代深度學(xué)習(xí)技術(shù)中的語音識別也是這些概念的擴(kuò)展。此外 Bengio 還于 2000 年還發(fā)表了劃時代的論文“A Neural Probabilistic Language Model”,使用 高維詞向量 來表征自然語言。他的團(tuán)隊還引入了 注意力機(jī)制,讓機(jī)器翻譯取得重大突破,并成為了讓深度學(xué)習(xí)處理序列的重要技術(shù)。
谷歌副總裁兼工程研究員,Vector Institute 的首席科學(xué)顧問,同時也是多倫多大學(xué)的名譽(yù)大學(xué)教授。Hinton 最重要的貢獻(xiàn)來自他 1986 年發(fā)明 反向傳播 的論文“Learning Internal Representations by Error Propagation”,1983 年發(fā)明的 玻爾茲曼機(jī)(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 Rectified Linear Neurons 和 Dropout Regularization 改進(jìn)了 卷積神經(jīng)網(wǎng)絡(luò),并在著名的 ImageNet 評測中取得了很好的成績,在計算機(jī)視覺領(lǐng)域掀起一場革命。
紐約大學(xué)的教授,也是 Facebook 的副總裁和首席人工智能科學(xué)家。Yann LeCun 的代表貢獻(xiàn)之一是卷積神經(jīng)網(wǎng)絡(luò)。1980 年代,LeCun 發(fā)明了 卷積神經(jīng)網(wǎng)絡(luò),現(xiàn)在已經(jīng)成為了機(jī)器學(xué)習(xí)領(lǐng)域的基礎(chǔ)技術(shù)之一,也讓深度學(xué)習(xí)效率更高。1980 年代末期,Yan LeCun 在多倫多大學(xué)和貝爾實驗室工作期間,首次將卷積神經(jīng)網(wǎng)絡(luò)用于手寫數(shù)字識別。今天,卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)成為了業(yè)界標(biāo)準(zhǔn)技術(shù),廣泛用于計算機(jī)視覺、語音識別、語音合成、圖片合成,以及自然語言處理等學(xué)術(shù)方向,以及自動駕駛、醫(yī)學(xué)圖片識別、語音助手、信息過濾等工業(yè)應(yīng)用方向。LeCun 的第二個重要貢獻(xiàn)是改進(jìn)了 反向傳播算法。他提出了一個早期的反向傳播算法 backprop,并根據(jù)變分原理給出了一個簡潔的推導(dǎo)。他的工作讓反向傳播算法更快,比如描述了兩個簡單的方法可以減少學(xué)習(xí)時間。LeCun 第三個貢獻(xiàn)是拓展了 神經(jīng)網(wǎng)絡(luò)的應(yīng)用范圍。他把神經(jīng)網(wǎng)絡(luò)變成了一個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(xiàn)在已經(jīng)成為了人工智能的基礎(chǔ)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(xí)層次特征,這一方法現(xiàn)在已經(jīng)用于很多日常的識別任務(wù)。他們還提出了可以操作結(jié)構(gòu)數(shù)據(jù)(例如圖數(shù)據(jù))的深度學(xué)習(xí)架構(gòu)。
ACM A.M. 圖靈獎,通常被稱為“諾貝爾計算機(jī)獎”,100 萬美元獎金由谷歌公司提供財務(wù)支持。它的名稱取自世界計算機(jī)科學(xué)的先驅(qū)、英國科學(xué)家、曼徹斯特大學(xué)教授艾倫·圖靈(A.M. Turing),是計算機(jī)協(xié)會(ACM)于 1966 年設(shè)立的獎項,專門獎勵對計算機(jī)事業(yè)作出重要貢獻(xiàn)的個人。這個獎設(shè)立目的之一是紀(jì)念這位現(xiàn)代計算機(jī)科學(xué)的奠基者。獲獎?wù)弑仨毷窃谟嬎銠C(jī)領(lǐng)域具有持久而重大的先進(jìn)性的技術(shù)貢獻(xiàn)。大多數(shù)獲獎?wù)呤怯嬎銠C(jī)科學(xué)家。是計算機(jī)界最負(fù)盛名的獎項,有“計算機(jī)界諾貝爾獎”之稱。
圖靈獎對獲獎?wù)叩囊髽O高,評獎程序也極嚴(yán),一般每年只獎勵一名計算機(jī)科學(xué)家,只有極少數(shù)年度有兩名以上在同一方向上做出貢獻(xiàn)的科學(xué)家同時獲獎。
編輯:Vincent