重磅！AI 界的三位教父獲得「圖靈獎」：Yann LeCun、Geoff Hinton和Yoshua Bengio

圖靈獎獲得者從左到右：Yann LeCun、Geoff Hinton和Yoshua Bengio，

他們圍繞神經網路重塑了AI。

20世紀80年代末，加拿大碩士生Yoshua Bengio被一種不合時宜的想法所吸引。一些AI研究人員當時正在嘗試開發軟體，以便鬆散地模仿神經元網路如何處理大腦中的數據，儘管鮮有證據證明這切實可行。現為蒙特利爾大學教授的Bengio說：「我們既可以了解大腦的運作原理，又可以構建AI，我對這個想法一見傾心。」

20多年後，科技行業也對這個想法一見傾心。神經網路是AI近期蓬勃發展的幕後推手，AI領域的發展造就了自動駕駛汽車和與人類實際上沒有區別的電話機器人等項目。

周三，55歲的Bengio和這場革命的另兩位領導者共同獲得了計算機科學界的最高榮譽：ACM圖靈獎，它被譽為是計算機界的諾貝爾獎。另外兩位獲獎者是谷歌的研究人員：71歲的Geoff Hinton和紐約大學教授及Facebook的首席AI科學家：58歲的Yann LeCun，正是後者撰寫的一些論文當初吸引Bengio研究神經網路。

通過長達數十年的潛心研究，他們將一種老式的、邊緣化的想法轉變為計算機科學界最熱門的想法。他們所倡導的技術是每一家大型科技公司未來戰略的核心。無論是谷歌的測試軟體讀取醫療掃描影像，特斯拉的自動駕駛技術（Autopilot）讀取道路標記，還是Facebook自動刪除一些仇恨言論，這些都離不開他們的貢獻。

被問及贏得圖靈獎意味著什麼時，Hinton有點驚訝。他說：「我猜神經網路現在是受人尊敬的計算機科學。」在計算機科學界，沒有什麼比圖靈獎更受人尊敬的了。自1966年以來每年頒發一次，以英國數學家艾倫·圖靈（Alan Turing）的名字命名，圖靈在20世紀30年代、40年代和50年代為計算機和AI奠定了早期基礎。

華盛頓大學教授Pedros Domingos在對沖基金DE Shaw領導機器學習研究工作，他表示深度學習得到認可偏晚了。他說：「深度學習早就該得到認可了。」Domingos在2015年所寫的著作《終極演算法》（The Master Algorithm）調查了採用不同AI方法的五個「群體」，包括從事神經網路工作的「聯結學派」。

他表示，將圖靈獎授予這個群體承認了計算機科學家解決問題的方式已發生轉變。Domingos說：「這不僅僅是授予這幾位傑出人士的圖靈獎。它還表明，機器學習已成為計算機科學的一個核心領域。」

該學科長期以來重視用數學驗證的方法來解決問題。機器學習演算法以一種更簡潔的方式完成工作，遵循數據中的統計跟蹤線索，找到實際效果良好的方法，即使它並不清楚具體怎樣。Domingos說：「計算機科學是一種工程形式，是否得到結果很重要。」

神經網路是最古老的AI方法之一，在20世紀50年代後期開始確立其在這個領域的地位。研究人員將神經科學家創建的大腦細胞的簡單模型改編成數學網路，可以通過一系列「神經元」過濾數據，從而學習對數據進行分類。

早期的成功包括塞滿房間的Perceptron，它可以學會辨別屏幕上的形狀。但目前尚不清楚如何訓練擁有多層神經元的大型網路，以便這項技術適用於試驗任務之外的實用環境。

Hinton展示了訓練所謂的深度網路的解決方案。1986年他與人合著了一篇開創性的論文，介紹一種名為反向傳播的學習演算法。這種演算法名為backprop，是今天深度學習的核心，但那時候這項技術還沒有完全成熟起來。LeCun說：「從90年代中期到2000年代中期之間出現了一段黑暗期，實際上除了像我們這幾個人外，沒有多少人在研究神經網路。」

他的貢獻包括ConvNet，發明了非常適合圖像的神經網路設計；他通過在貝爾實驗室為ATM開發支票讀取軟體來證明這個概念。Bengio開創了將深度學習應用於序列的方法，比如語音和理解文本。但是，在研究人員想出如何利用圖形處理器或GPU的強大功能之後，更多的人在這個十年的早期才開始了解深度學習。

一個關鍵的時刻發生在2012年，當時在多倫多大學的Hinton和兩名研究生出人意料地贏得了一年一度的軟體競賽（該軟體用於識別照片中的目標）。他們的勝利使得該領域青睞的方法黯然失色，在五次猜測後正確地將100000多張照片分成1000個類別，準確度達到85%，比第二名高出了10個百分點。谷歌於2013年初收購了這三人成立的初創公司，此後Hinton一直為該公司效力。Facebook在那年晚些時候聘請了LeCun。

Hinton說：「你回顧一下發生的經歷，就會覺得科學以它本該的樣子出現。」也就是說，「在我們獲得明顯優於現有技術水平的結果之前，人們非常懷疑。」

Hinton說，他和合作者長期堅持他們不合時宜的想法，因為他們本質上都特立獨行。這三人現在都是學術和科技行業的中流砥柱。Hinton和LeCun是兩家全球最具影響力的公司的副總裁。Bengio還沒有加入一家科技巨頭，不過是微軟的顧問，並與多家初創公司合作，將深度學習應用於諸如藥物發現和幫助性騷擾受害者之類的任務。

這三個人走的方向不一樣，但仍然是合作者和好友。被問及他們是否共同發表傳統的圖靈獎演講時，Hinton哈哈大笑，建議Bengio和LeCun先上台，那樣他可以發表自己的演講，說說他們倆哪裡出了什麼問題。這個笑話是否體現了這三巨頭的典型工作狀態？Hinton說「不」，而LeCun善意地說「是」。

儘管深度學習在許多實用場合取得了成功，但仍然有它無能為力的地方。神經網路受大腦的啟發，但與大腦不太相似。深度學習為計算機賦予的智能在狹窄定義的任務中可能非常出色（玩某個特定的遊戲，識別某種特定的聲音），但是不像人類智能那樣具有適應性和多樣性。

Hinton和LeCun表示，他們希望擺脫今天的系統依賴人們進行明確和廣泛的訓練這種局面。深度學習項目依賴提供大量的標記數據來解釋手頭的任務，這是AI在醫學等領域的一大限制因素。Bengio強調，儘管取得了成功（比如現在有更好的翻譯工具），但這項技術還遠遠談不上能夠正確理解語言。

這三人都沒有聲稱知道如何解決那些剩下來的難題。他們建議，誰希望在AI領域取得下一個可以獲得圖靈獎的突破，應該像他們那樣願意忽視主流想法。Bengio說：「他們不應該追隨潮流，眼下這股潮流是深度學習。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！