尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
這是人工智能發展史上重要的一天。曾被業內高度懷疑、備受冷落的神經網路獲得了計算機行業的最高認可。
騰雲第一時間邀請了國際人工智能聯合會IJCAI主席、香港人工智能與機器人學會理事長、微眾銀行首席AI官楊強教授對此做出解讀。在他的解讀之後，我們附上了與本次獎項相關的背景介紹，便於你理解這一事件的重要意義。
記得深度學習這個名詞剛剛出現的時候，有不少人在問: 深度學習不就是以前的神經網路嗎？這次獲獎證明遠遠不是。Hinton 是一個理想主義者，年輕的時候就因為不想參加美國政府軍事研發而前往加拿大，對自己認為對的方向堅信不疑。記得最近他給國際人工智能大會講演的結語，也是他給AI界的警句，說你們這些做AI的人，如果不接受深度學習的話，將第一個被取代。
這次三位教授同時獲獎，也說明好的師生團隊是可以做大事的。團隊另外兩位Bengio和LeCun長期獨立推進深度學習的理論和系統研發，以及在工業界產生巨大影響，同時也培養了大批下一代的人才。
這次獲獎也體現出加拿大的研究體制對長期研究的容忍性。因為加拿大的不少研究項目是五年才需要申請一次，而且比較注重用申請者以往的研究成果來研判項目的優劣，不太受時髦課題的左右。
同時，這次得獎也體現了計算機界對人工智能第三次浪潮的認可，以及對於「機器可以思維嗎？」這一圖靈終極問題獲得最終答案的信心。
——楊強
三巨頭在獲獎後第一時間接受了BBC新聞的採訪：
「我認為計算機科學界已經認識到這件事情（指神經網路）並非不可靠（flaky），這很棒。」Hinton說，「很多年來，他們都認為神經網路是不被尊重的。我認為我們剛剛開始了一場大革命。」 Yoshua Bengio和Yann LeCun也在各自的社交媒體上表達了榮幸和感激之情。
這是1993年錄制的一段視頻，在視頻里，Yann LeCun演示了電腦識別手寫數字的成果。
1
什麼是神經網路？
程序通過明確的指令一步步向計算機傳遞命令，這是我們最熟悉的傳統計算模式。
而在深度學習這一人工智能研究的子領域中，計算機並未得到關於如何解決某個任務的顯式說明。
學習算法可以從數據中提取輸入數據與期望輸出的關聯模式，比如由圖片中某個像素（輸入數據）關聯到某一類標籤（例如：蘋果）。而研究者面臨的挑戰是如何開發出高效的學習算法，修改神經網路中連接的權重以使它能夠捕捉到數據中的關聯模式。
自 20 世紀 80 年代開始，Geoffrey Hinton 就開始提倡使用機器學習方法進行人工智能研究，他希望通過人腦運作方式探索機器學習系統。受人腦的啟發，他和其他研究者提出了「人工神經網路」（artificial neural network），為機器學習研究奠定了基石。
在計算機科學領域，「神經網路」是指由計算機模擬的由簡單的計算原件——「神經元」構成的層的組合。這些「神經元」通過加權連接相互影響，通過改變連接的權重，可以改變神經網路所執行的計算。Hinton、LeCun 和 Bengio 意識到通過使用多層網路來構建深度網路的重要性，進而提出了「深度學習」這一概念。
2
為什麼是他們？
神經網路能取得今日之成績，除了計算機技術的突飛猛進外，絕對離不開以這三位巨頭為代表的人工智能先驅們的信心、熱情與勇氣。三巨頭投入此項研究的時間長達40年之久，而在神經網路真正成為流行之前的數十年間，他們都處於不被看好甚至被排擠的狀態。
《連線》雜誌曾在一篇報導中描寫過這樣一個細節：1972年，Hinton獲得博士學位, 並選擇將神經網路作為他的研究重點。每周，他的導師都會告訴他，他是在浪費時間。因出於對里根政府外交政策——特別是對南美洲強硬政策——的強烈不滿，Hinton堅決放棄了由美國國防部支持的研究項目。1978年，Hinton和妻子搬到加拿大多倫多，並接受了加拿大高級研究所（CIFAR）的工作。在多倫多的一間小辦公室里，他正式開始了機器與大腦學習項目。
此外，Hinton是最早開始思考機器與人類關係的科學家之一。他曾向聯合國簽署過一份請願書，呼籲禁止使用致命的自動武器，並拒絕擔任與通信安全機構有關的董事會的職位。
LeCun也有相似的經歷。
他在Hinton指導下完成了博士後論文，隨後在貝爾實驗室找到一份人工智能研究工作。BuzzFeed對他的一篇專訪中記錄了這樣一段故事：在90年代中期的貝爾實驗室，他的小組因內部鬥爭而被解散，即便當時LeCun認為研究已經有了顯著成果，「就在成功的黎明來臨之際，整個項目卻被解散得差不多了」。同一時期，Bengio也是該實驗室的成員。
「他們或獨立工作，或一起合作，共同奠定了這一領域的概念基礎」，正如獲獎理由中提到的，在這幾十年間，即使他們三人並沒有成為同事，他們也始終保持彼此影響、互相協同的關係。
ACM主席Cherri M. Pancake也高度評價了三巨頭對人工智能領域的貢獻：
「人工智能的發展以及人們對於人工智能的興趣很大程度歸功於 Bengio、Hinton 和 LeCun 為深度學習的最新進展奠定的基礎。數十億人都在使用著這一技術。任何口袋里裝著智慧型手機的人都可以體驗到自然語言處理和計算機視覺方面的進步，而這些在十多年前都是不可能的。
獲獎科學家簡介
———
Yoshua Bengio，蒙特利爾大學計算機科學與運籌學系全職教授，也是深度學習「三巨頭」中唯一一位仍全身心在學術界工作的大牛。他在深度學習架構、循環神經網路（RNN）、對抗算法、表征學習等方面有諸多科研積累，對近年來深度學習的崛起和發展起到了巨大的推動作用。
Geoffrey Hinton，Google副總裁兼工程研究員，Vector Institute 的首席科學顧問，多倫多大學的名譽大學教授。他在神經網路的訓練方面、計算機視覺領域做出過重大貢獻。2012 年，他改進了卷積神經網路，並在著名的 ImageNet 評測中取得驚人成績。
Yann LeCun，Facebook人工智能研究院負責人，紐約大學數據科學中心的創始人之一。他將反向傳播算法引入了CNN（卷積神經網路），並且發明了權值共享、池化等技巧，讓CNN真正更為可用。他還在 1998 年開發了 LeNet5——首個被大規模商用的 CNN，並製作了被Hinton稱為「機器學習界的果蠅」的經典數據集 MNIST 。
參考資料
1. DeepTech深科技：「三巨頭」齊獲圖靈獎！沉浮30載終於開啟AI復興時代
2. 知識分子：昔日被嗤為騙子，今日摘得圖靈獎 | 業界熱評
3. 機器之心：重磅 | 2018圖靈獎公布！Hinton、Bengio、LeCun深度學習三巨頭共享