吳恩達眼中的深度學習七雄

譯者｜劉志勇

編輯｜Vincent

最近十年以來，深度學習成為了風靡全球的人工智慧新技術。在許多領域，深度學習都已經被證明是有用的，包括計算機視覺、語音和音頻處理、自然語言處理、機器人技術、生物信息學和化學、電子遊戲、搜索引擎、網路廣告和金融等。

不久前，吳恩達在他的網站 Deeplearning.ai 發布了一系列主題為「 The Heros in Deep Learning 」的訪談視頻。吳恩達親自赤膊上陣採訪了他眼中的深度學習的七位大神，小編整理了這七位大神的基本情況，讓我們跟隨大神們的腳步，踏入人工智慧時代吧！

為方便國內外讀者觀看，每位大神後面都有 YouTube 和 騰訊視頻的鏈接。還整理了大神們的 Twitter 賬戶，方便讀者和大神們聯繫。

更多精彩文章請添加微信「AI 前線」（ID：ai-front）

Andrej Karpathy

特斯拉 AI 主管

Andrej Karpathy 擁有斯坦福大學計算機視覺博士學位，讀博期間師從現任 Google AI 首席科學家李飛飛，研究卷積神經網路在計算機視覺、自然語言處理上的應用，以及在這兩個領域的交叉應用。他被人們廣泛所知是由於他和李飛飛一起設計開發了「用於視覺識別的卷積神經網路」（CS231n）課程，並親自教授，是斯坦福大學廣受歡迎的深度學習課程之一。博士畢業論文為《連接圖像與自然語言》（CONNECTING IMAGES AND NATURAL LANGUAGE）。

讀博期間，Andrej Karpathy 在 Google Research 實習了兩個暑假，還曾在 DeepMind 實習。實習內容主要和深度學習有關，之前他還在哥倫比亞大學和多倫多大學就讀過。後來在 Elon Musk 旗下的人工智慧研究機構 OpenAI 任研究員。2017 年 6 月，Karpathy 擔任人工智慧和 Autopilot Vision 部門的主管。

Twitter： https://twitter.com/karpathy

Andrej Karparthy 訪談錄

Ian Goodfellow

Google Brain 研究員

Ian Goodfellow 是 Google Brain 研究員，以第一作者的身份，與 Yoshua Bengio、Aaron Courville 合著了《Deep Learning》 教科書，還曾經在 OpenAI 工作過一段時間。他最廣為人知的成就是 2014 年 6 月提出了生成對抗網路 ( GAN )，為解決生成式問題提供了革命性的思路，從提出以後一直是熱門的研究課題。因此被譽為「 GANs 之父」，Facebook AI 研究主管 Yann LeCun 稱 GAN 是「過去 20 年來深度學習方面最酷的想法」。 Ian Goodfellow 被推舉為人工智慧領域的頂級專家。

Ian Goodfellow 擁有蒙特利爾大學博士學位，師從 Yoshua Bengio 。在讀博期間就以軟體工程師身份在 Google Street Smart Team 實習，畢業後先後擔任 Google TensorFlow 及 Google Brain 團隊的研究員。

Ian Goodfellow 的研究興趣涵蓋大多數深度學習主題，特別是生成模型以及機器學習的安全和隱私。Ian Goodfellow 在研究對抗樣本方面是一位有影響力的早期研究者，他發明了生成式對抗網路，在深度學習領域貢獻卓越。

Twitter： https://twitter.com/goodfellow_ian

Ian Goodfellow 訪談錄

YouTube：http://dwz.cn/6AfyE4

騰訊視頻：http://dwz.cn/6AfzRw

Yoshua Bengio

蒙特利爾大學教授

Yoshua Bengio 於 1991 年獲得加拿大麥吉爾大學計算機科學博士學位。Yoshua Bengio 是 Microsoft 人工智慧研究戰略顧問、蒙特利爾大學計算機科學與運籌學系（DIRO）教授、蒙特利爾學習演算法研究所（MILA）負責人、CIFAR 項目的共同負責人、加拿大統計學習演算法研究主席。Yoshua Bengio 教授是深度學習領域的先驅之一，他也是人工智慧領域中經典之作《Learning Deep Architectures for AI》的作者。Yoshua Bengio 與 Geoff Hinton 以及 Yann LeCun 教授一起造就了 2006 年始的深度學習復興。他的研究工作主要聚焦在高級機器學習方面，致力於用其解決人工智慧問題。目前他是僅存的幾個仍然全身心投入在學術界的深度學習教授之一。

Yoshua Bengio 在深度學習的多個領域都有造詣，如 LSTM 和 GAN，對深度學習有著持續而深遠的影響。

據多方打聽，Yoshua Bengio 並沒有 Twitter 賬戶。

Yoshua Bengio 訪談錄

YouTube： http://dwz.cn/6AkgmZ

騰訊視頻：http://dwz.cn/6Akh28

Geoffrey Hinton

多倫多大學教授

Google Brain 團隊研究科學家

Geoffrey Hinton 是一位英國溫布爾登出生的計算機學家和心理學家，以其在神經網路方面的貢獻聞名，被譽為「神經網路之父」，他是第一批使用廣義反向傳播演算法訊六安多層神經網路的研究人員之一，是深層學習社區的重要任務。Geoffrey Hinton 1975 年取得愛丁堡大學的人工智慧方向博士學位，是反向傳播演算法和對比散度演算法的發明人之一，也是深度學習的積極推動者，目前任職於多倫多大學與 Google。最近擔任了多倫多大學新成立的向量學院（Vector Institute）的首席科學顧問。作為人工智慧領域的三位奠基人之一，早在 30 年前，Geoffrey Hinton 就已經在深度學習領域留下了自己的烙印，截止到 2016 年 11 月，Geoffrey Hinton 的署名文章報告共計 327 篇。然而，他經歷了人工智慧的寒冬，面臨連導師都不看好的艱難時期，然而他一直對神經網路保持信心，終於在漫長的黑夜過後，直到計算機的性能達到深度學習的要求，Geoffrey Hinton 才開始在學術界以外得到自己應得的廣泛認可，迎來了人工智慧的黎明。

Twitter： https://twitter.com/geoff_hinton

Geoffrey Hinton 訪談錄

Ruslan Salakhutdinov

蘋果首任人工智慧研究院總監

卡內基梅隆大學副教授

Ruslan Salakhutdinov 2009 年獲得博士學位，師從 Geoffrey Hinton，研究的領域主要包括深度學習、概率圖譜模型以及大規模優化等。Ruslan Salakhutdinov 2011 年在多倫多大學擔任助理教授，2016 年 2 月轉到卡內基梅隆大學擔任副教授。同年，出任蘋果人工智慧研究院首任總監。

2006 年 7 月，Ruslan Salakhutdinov 作為第二作者，與作為第一作者的導師 Geoffrey Hinton 在 Nature 雜誌上合作發表了論文《用 NN 實現數據的降維》（Reducing the Dimensionality of Data with Neural Networks），這篇論文提出了通過最小化函數集對訓練集數據的重構誤差，自適應地編解碼訓練數據的演算法 deep autoencoder，作為非線性降維方法在圖像和文本降維實驗中明顯優於傳統方法，證明了深度學習方法的正確性。 這篇論文與 Geoffrey Hinton 的另一篇論文《基於深度置信網路的快速學習演算法》（A Fast Learning Algorithm for Deep Belief Nets），引起了整個學術界對深度學習的興趣，才有了近十年來深度學習研究的突飛猛進和突破。

Twitter： https://twitter.com/rsalakhu

Ruslan Salakhutdinov 訪談錄

YouTube：http://dwz.cn/6BvBHp

騰訊視頻：http://dwz.cn/6BvC7U

Yuanqing Lin

百度研究院院長

林元慶 2008 年獲得賓夕法尼亞大學電氣工程學博士，研究方向為機器學習和計算機視覺，2005 年至今在頂級國際會議和期刊發表論文 30 余篇，擁有 11 項美國專利，曾擔任 NIPS 大會領域主席、大規模視覺識別和檢索國際研討會聯合主席等，機器學習和計算機視覺等研究領域擁有多年的研究經驗和顯著的成果。

獲得博士學位後，林元慶博士曾任 NEC 美國實驗室媒體分析部門主管。在他的帶領下 NEC 研究團隊在深度學習、計算機視覺和無人駕駛等領域取得世界領先水平。

2015 年 11 月加入百度擔任深度學習實驗室（IDL）主任後，林元慶致力於帶領深度學習實驗室研發具有統治級別的人工智慧技術，其領導的團隊在多個領域實現了技術上重大進展並且應用到百度的多項產品中去，極大地提升了產品的性能以及用戶的體驗，其帶領的團隊在多項重要計算機視覺技術在國際測試集上取得世界第一名的好成績。林元慶於 2017 年 3 月擔任百度研究院院長。

Twitter： https://twitter.com/YuanqingLin

林元慶訪談錄

Pieter Abbeel

加州大學伯克利分校計算機系教授

OpenAI 科學家

Pieter Abbeel 擁有斯坦福大學計算機學系博士學位，師從 Andrew Ng。主要研究方向是將深度強化學習應用到機器人上。2008 年在加州大學伯克利分校擔任電氣工程和計算機科學系擔任教授。Pieter Abbeel 是用深度強化學習做運動規劃的領軍人物，過去 15 年， Pieter Abbeel 一直在尋找讓機器人學習的方法。2010 年他和他的學生對 BRETT（Berkeley Robot for the Elimination of Tedious Tasks，用於解決繁雜任務的伯克利機器人）進行了編程，使其可以拿起不同大小的毛巾、弄清楚它們的形狀並將它們整齊疊好。

Twitter： https://twitter.com/pabbeel

Pieter Abbeel 訪談錄

YouTube：http://dwz.cn/6BwO0P

騰訊視頻：http://dwz.cn/6BwOND

Yann LeCun

Facebook 人工智慧實驗室（FAIR）主任

紐約大學數據科學中心創始人

紐約大學計算機科學、神經科學、電子電氣科學教授

吳恩達並沒有採訪到 Yann LeCun，但這位大神在深度學習領域的地位不容小覷，他號稱「卷積網路神經之父」，因此，小編將此人的資料作為補充。

Yann LeCun 出生於法國，1987 年在匹斯堡大學獲得計算機博士學位。在多倫多大學做了一段時間博士後，師從 Geoffrey Hinton。於 1988 年加入位於新澤西州的 AT&T 貝爾實驗室，1993 年研發了一套能夠識別手寫數字的識別系統，命名為 LeNet ，被全世界多家銀行用於識別支票。1996 年他成為圖像處理研究部的主任，2003 年加入紐約大學任教。2013 年，他被 Facebook 聘請為人工智慧實驗室（FAIR）主任，專註於一個獨特的目標，即開發具有與人類同等智能水平的電腦。同時，仍在紐約大學擔任教授。

1989 年，Yann LeCun 在貝爾實驗室提出了卷積神經網路（convolutionalneuralnetwork，CNN）技術，發表了論文《反向傳播演算法應用於手寫郵政編碼識別》（Backpropagation Applied to Handwritten Zip Code），並展示如何使用它來大幅度提高手寫識別能力，因此被譽為「卷積神經網路之父」。卷積神經網路是近年發展起來的一種高效識別方法。神經網路正在迅速改變互聯網最大的參與者，包括 Google、Facebook、Microsoft。

Twitter： https://twitter.com/ylecun

今日薦文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 AI前線 的精彩文章: