2018 图灵奖得主公布！

3月27日，ACM 公布 2018 年图灵奖得主是 Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun 三位深度学习巨头。

据官方公告介绍，因三位巨头在深度神经网络概念和工程上的突破，使得 DNN 成为计算的一个重要构成，从而成为 2018 年图灵奖得主。

这是图灵奖十年来第三次颁给机器学习领域的杰出贡献者了：2011 年图灵奖得主为 Judea Pearl，他开发的概率与因果推理微积分（calculus for probabilistic and causal reasoning）为人工智能发展做出了重大贡献。Leslie Gabriel Valiant 获得了 2010 年图灵奖，他为计算理论的发展作出了变革性贡献，包括 PAC 学习理论、并行与分布计算理论等。

https://amturing.acm.org/byyear.cfm

相信读者对这三位巨头的名字已经耳熟能详。

Yoshua Bengio 是蒙特利尔大学教授、魁北克人工智能机构 Mila 的科学主管。Geoffrey Hinton 是谷歌副总裁、工程研究员，也是 Vector Institute 的首席科学顾问、多伦多大学 Emeritus 荣誉教授。Yann LeCun 是纽约大学教授、Facebook 副总裁和首席 AI 科学家。

或是独立或是协作，Hinton、LeCun 和 Bengio 开发了深度学习领域的概念基础，并通过实验验证了令人惊讶的现象，此外，他们还贡献了一些工程进展，展示了深度神经网络的实用优势。近年来，深度学习方法促进计算机视觉、语音识别、自然语言处理和机器人技术等应用领域取得极大突破。

虽然在 20 世纪 80 年代，研究者就引入了人工神经网络帮助计算机识别模式、模拟人类智能，但一直到 21 世纪初，LeCun、Hinton 和 Bengio 这样一小撮研究者仍然坚持这种方法。虽然一开始，他们重燃人工智能社区对神经网络兴趣的努力遭到了怀疑，但如今他们的想法带来了重大的技术进步，他们的方法也已成为该领域的主导范式。

图灵奖是计算机协会（ACM）于 1966 年设立的奖项，专门奖励对计算机事业作出重要贡献的个人，有「计算机界诺贝尔奖」之称，奖金为 100 万美元，由谷歌公司赞助。华人科学家姚期智2000年因为伪随机数生成等计算领域的重要贡献获奖。图灵奖的名称取自英国数学家艾伦·图灵（Alan M. Turing），他奠定了计算机的数学基础和局限性。

ACM 主席 Cherri M. Pancake 表示，「人工智能如今是整个科学界发展最快的领域之一，也是社会上讨论最广的主题之一。AI 的发展、人们对 AI 的兴趣，很大程度上是因为深度学习的近期进展，而 Bengio、Hinton 和 LeCun 为此奠定了重要基础。这些技术如今已被数十亿人使用。通过口袋中的手机，人们能够体验到 10 年前不可能体验的自然语言处理和计算机视觉技术。除了我们每天使用到的产品，深度学习的最新进展也为医疗、天文、材料科学等各个领域的科学家们带来了强大的新型工具。

「深度神经网络促进了现代计算机科学的极大进步，在解决计算机视觉、语音识别和自然语言处理领域中的长期问题方面取得了极大进展。」Google AI 负责人 Jeff Dean 表示，「该进展的核心得益于今年图灵奖得主 Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun 30 多年前开发的基础技术。深度神经网络显著提升了计算机感知世界的能力，它不仅改变了计算领域，也几乎改变了科学和人类奋斗的所有领域。」

关于深度学习：

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。 

深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。 

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。 

同机器学习方法一样，深度机器学习方法也有监督学习与无监督学习之分．不同的学习框架下建立的学习模型很是不同．例如，卷积神经网络（Convolutional neural networks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度置信网（Deep Belief Nets，简称DBNs）就是一种无监督学习下的机器学习模型。

（完）

更多精彩：