2019 年 6 月 15 日，在加利福尼亞州舊金山舉行的 ACM 年度頒獎(jiǎng)晚宴上，Bengio、Hinton 和 LeCun 將正式收到 2018 年 ACM A.M. 圖靈獎(jiǎng)。
Hinton、LeCun 和 Bengio 獨(dú)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(shí)驗(yàn)和實(shí)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(jì)算機(jī)視覺、語音識(shí)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(huì)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(gè)擁有智能手機(jī)的人都可以切實(shí)體驗(yàn)到自然語言處理和計(jì)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(jì)算機(jī)科學(xué)一些重大進(jìn)步的促成因素，幫助計(jì)算機(jī)視覺、語音識(shí)別和自然語言理解方面的長期問題上取得了實(shí)質(zhì)性進(jìn)展，”谷歌高級(jí)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(jiǎng)獲獎(jiǎng)?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(jì)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(jì)算領(lǐng)域，而且?guī)缀醺淖兞丝茖W(xué)和人類努力的每一個(gè)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(shí)別手寫的支票。現(xiàn)代深度學(xué)習(xí)技術(shù)中的語音識(shí)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(shí)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(duì)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(shí)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(duì)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(píng)測中取得了很好的成績，在計(jì)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(shí)驗(yàn)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(shí)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(jì)算機(jī)視覺、語音識(shí)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(dòng)駕駛、醫(yī)學(xué)圖片識(shí)別、語音助手、信息過濾等工業(yè)應(yīng)用方向。LeCun 的第二個(gè)重要貢獻(xiàn)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，并根據(jù)變分原理給出了一個(gè)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(gè)簡單的方法可以減少學(xué)習(xí)時(shí)間。LeCun 第三個(gè)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(gè)可以完成大量不同任務(wù)的計(jì)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(shí)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(shí)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(jiǎng)，通常被稱為“諾貝爾計(jì)算機(jī)獎(jiǎng)”，100 萬美元獎(jiǎng)金由谷歌公司提供財(cái)務(wù)支持。它的名稱取自世界計(jì)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(jì)算機(jī)協(xié)會(huì)（ACM）于 1966 年設(shè)立的獎(jiǎng)項(xiàng)，專門獎(jiǎng)勵(lì)對(duì)計(jì)算機(jī)事業(yè)作出重要貢獻(xiàn)的個(gè)人。這個(gè)獎(jiǎng)設(shè)立目的之一是紀(jì)念這位現(xiàn)代計(jì)算機(jī)科學(xué)的奠基者。獲獎(jiǎng)?wù)弑仨毷窃谟?jì)算機(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(jiǎng)?wù)呤怯?jì)算機(jī)科學(xué)家。是計(jì)算機(jī)界最負(fù)盛名的獎(jiǎng)項(xiàng)，有“計(jì)算機(jī)界諾貝爾獎(jiǎng)”之稱。
圖靈獎(jiǎng)對(duì)獲獎(jiǎng)?wù)叩囊髽O高，評(píng)獎(jiǎng)程序也極嚴(yán)，一般每年只獎(jiǎng)勵(lì)一名計(jì)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(shí)獲獎(jiǎng)。
編輯：Vincent
