Yoshua Bengio，Geoffrey Hinton 和 Yann LeCun 为现代人工智能奠定了基础

照片:谷歌，约书亚·本吉奥 | 照片:Botler AI

被称为计算领域的诺贝尔奖的 2018 年图灵奖授予了三位研究人员，他们为当前人工智能的繁荣奠定了基础。

Yoshua Bengio，Geoffrey Hinton 和 Yann LeCun——有时被称为人工智能教父——因其开发深度学习的人工智能子领域的工作而获得了 100 万美元的年度奖金三人在 1990 年代和 2000 年代开发的技术使计算机视觉和语音识别等任务取得了巨大突破他们的工作支持了当前人工智能技术的扩散，从自动驾驶汽车到自动医疗诊断

深度学习为人工智能的许多当代应用提供动力

事实上，你今天可能与 Bengio，Hinton 和 LeCun 算法的后代进行了互动——无论是解锁你手机的面部识别系统，还是建议你在上一封电子邮件中写什么的 AI 语言模型。

从那以后，这三者都在人工智能研究生态系统中占据了重要位置，跨越了学术界和工业界Hinton 在 Google 和多伦多大学之间分配时间，Bengio 是蒙特利尔大学的教授，创办了一家名为 Element AI 的人工智能公司，而 LeCun 是 Facebook 的首席人工智能科学家和纽约大学的教授

这是一个巨大的荣誉，LeCun 告诉The Verge尽管它在计算机科学方面做得很好与我的朋友 Yoshua 和 Geoff 分享的感觉更好

谷歌人工智能负责人杰夫迪恩称赞了三人组的成就深度神经网络促成了现代计算机科学的一些最伟大的进步，迪恩在一份声明中说这一进步的核心是由今年图灵奖获得者 Yoshua Bengio，Geoff Hinton 和 Yann LeCun 开发的基本技术

照片:艾娃

Bengio，Hinton 和 LeCun 开发的深度学习技术支撑了许多技术，例如自动驾驶汽车。

这三人的成就尤其引人注目，因为他们在技术前景黯淡的时候仍然对人工智能抱有信心。

人工智能以其繁荣和萧条的周期而闻名，炒作的问题与该领域本身一样古老当研究未能满足过高的期望时，就会导致资金和兴趣冻结，称为人工智能冬天正是在 1980 年代后期这样一个冬天的尾声，Bengio，Hinton 和 LeCun 开始交换想法并研究相关问题其中包括神经网络——由连接的数字神经元制成的计算机程序，已成为现代人工智能的关键构建块

在 90 年代中期到 2000 年代初到中期之间有一段黑暗时期，当时不可能发表关于神经网络的研究，因为社区对它失去了兴趣，LeCun 说事实上，它的代表很糟糕这有点禁忌

它有一个糟糕的代表这有点禁忌

三人决定他们需要重新点燃兴趣，并从加拿大政府那里获得资金，以赞助一个松散的相互关联的研究中心我们为学生组织了定期会议，定期研讨会和暑期学校，LeCun 说这创造了一个小社区，在 2012 年，2013 年左右 真正爆发了

在此期间，三人表明神经网络可以在字符识别等任务上取得出色的成果但其他研究界直到 2012 年才开始关注，当时由 Hinton 领导的团队进行了一个名为 ImageNet 的著名 AI 基准测试迄今为止，研究人员仅对这一对象识别挑战进行了渐进式改进，但 Hinton 和他的学生在神经网络的帮助下将次优算法的性能提升了 40% 以上

LeCun 说:差异如此之大，以至于很多人，你可以看到他们脑子里的一个大转变变得‘笨拙’ 现在他们被说服了

照片:Vjeran Pavic

三人创建的深度学习框架后来得到了丰富的处理能力和数据的推动。

GPU 的廉价处理能力和大量数字数据，为这些小型认知引擎提供了燃料自 2012 年以来，Bengio，Hinton 和 LeCun 开创的基本技术，包括反向传播和卷积神经网络，在人工智能中无处不在，进而在整个技术中无处不在

LeCun 表示他对人工智能的前景持乐观态度，但他也很清楚，在该领域实现其承诺之前，还需要做更多的工作当前的人工智能系统需要大量数据来理解世界，很容易被欺骗，并且只擅长特定任务我们只是没有具有常识的机器，LeCun 说

如果该领域要继续向上发展，就需要发现与人工智能教父开发的方法一样基础的新方法。

无论我们是否能够使用新方法来创造人类水平的智能，可能还有另外 50 座山峰需要攀登，包括那些我们甚至还看不到的山峰，LeCun 说我们只爬了第一座山也许是第二个

。