据外媒报道，美国计算机协会(ACM)今天宣布尤舒亚-本吉奥(Yoshua Bengio)、杰弗里-辛顿(Geoffrey Hinton)和亚恩-勒库恩(Yann LeCun)这三位深度学习之父获得2018年图灵奖，因为他们在概念和工程方面的突破性工作使深度神经网络变成了计算的一个关键组成部分。

本吉奥是蒙特利尔大学教授和魁北克人工智能研究所Mila的科学主任;辛顿是谷歌副总裁和工程研究员、Vector Institute首席科学顾问和多伦多大学荣誉退休教授;勒库恩是纽约大学教授、Facebook副总裁兼首席人工智能科学家。

辛顿、勒库恩和本吉奥合作，为这一领域奠定了概念基础，通过实验发现了令人惊讶的现象，并推动了工程进步，展示了深度神经网络的实用价值。近年来，深度学习技术在计算机视觉、语音识别、自然语言处理和机器人等应用领域取得了惊人的突破。

“诺贝尔计算奖”

虽然在20世纪80年代人工神经网络作为帮助计算机识别和模拟人类智能的工具就已被推出，但到21世纪初，勒库恩、辛顿和本吉奥等少数人仍然致力于研究人工神经网络。尽管他们重新激发人工智能社区对神经网络兴趣的努力最初遭到了质疑，但他们的想法最近导致了重大的科技进步，他们的方法论现在是该领域的主导范式。

ACM协会颁发的A.M.图灵奖通常被称为“诺贝尔计算奖”，奖金为100万美元，由谷歌公司提供资金支持。它是以英国数学家艾伦-M-图灵(Alan M. Turing)的名字命名的。图灵阐述了计算的数学基础和局限性。

本吉奥、辛顿和勒库恩将于2019年6月15日(星期六)在加州旧金山举行的ACM年度颁奖宴会上正式被授予2018年ACM图灵奖。

“人工智能现在是所有科学中发展最快的领域之一，也是社会上谈论最多的话题之一。”ACM主席切里-潘凯克(Cherri M. Pancake)说，“人工智能的发展和人们对人工智能的兴趣，在很大程度上是因为本吉奥、辛顿和勒库恩奠基的深度学习技术获得了很大发展。”

这些技术被数十亿人使用。任何人只要口袋里有一部智能手机，就能明显地感受到自然语言处理和计算机视觉技术的进步，而这在10年前是根本不可能实现的。除了我们每天使用的产品之外，深度学习技术的新发展也为科学家提供了各种强有力的新工具——从医学到天文学，再到材料科学。

谷歌高级研究员兼谷歌AI高级副总裁杰夫-迪恩(Jeff Dean)表示：“深度神经网络是现代计算机科学最伟大的进步之一，它有助于人们在计算机视觉、语音识别和自然语言理解等长期问题上取得实质性进展。这一进步的核心是本吉奥、辛顿和勒库恩在30多年时间里开发的基础性技术。通过极大地提高计算机理解世界的能力，深度神经网络不仅改变了计算领域，而且几乎改变了科学和人类努力的每一个领域。”

深度学习

在传统的计算中，计算机程序用明确的指令来指导计算机。在人工智能研究的一个子领域——深度学习中，研究人员并没有明确地告诉计算机如何解决特定的任务，如对物体进行分类。

辛顿自20世纪80年代初以来一直在倡导人工智能中的机器学习技术。他通过研究人类大脑运行的方式来开发机器学习系统。受大脑的启发，他和其他研究人员提出将“人工神经网络”作为他们研究机器学习技术的基石。

在计算机科学中，“神经网络”一词是指由计算机中各种被称为“神经元”的相对简单的计算元素组成的系统。这些“神经元”通过增加连接的权重来相互影响。改变连接上的权重，就可以改变由神经网络执行的计算。辛顿、勒库恩和本吉奥认识到了使用多层构建深度神经网络的重要性——这就是“深度学习”一词的由来。

配置强大图形处理器(GPU)的计算机的普及，以及对大量数据集的访问，有效地帮助了勒库恩、本吉奥和辛顿在30年时间里阐述了相关基本概念，并推动了工程进步。近年来，这些因素和其他因素加在一起导致了计算机视觉、语音识别和机器翻译等技术的飞跃发展。

辛顿、勒库恩和本吉奥既相互独立又相互合作。例如，勒库恩在辛顿的监督下从事博士后研究工作。从20世纪90年代初开始，勒库恩和本吉奥一起在贝尔实验室工作。即使不在一起工作，他们的工作中也存在着协同作用和相互联系，他们相互之间产生了很大的影响。

本吉奥、辛顿和勒库恩仍在继续探索机器学习与神经科学和认知科学的交叉领域，最引人注目的是他们共同参与了加拿大高级研究中心(CIFAR)推出的机器和大脑学习计划。