2019年3月26日，美国计算机协会公布了去年图灵奖评选的结果，对深度学习领域，做出开创性贡献的3名美国和加拿大科学家，亚恩-勒库恩、杰弗里-辛顿和尤舒亚-本吉奥荣获这个奖项。
这个以计算机之父图灵的名字命名的奖项，是计算机科学领域的最高奖，通常每年授予一名在计算机科学领域，作出重大而具有持久影响力贡献的人。
图灵奖=？？成就
那什么样的成就才可以获得图灵奖呢？作为计算机科学最高奖项图灵奖，要求理论上的原创性，这点毫无疑问。
2014年之后，谷歌开始赞助图灵奖，并且将每次奖金的总额，提高到了诺贝尔奖的级别高达100万美元。
不过另一方面，那些被授予了图灵奖的理论成就，几乎无一例外的都变成了改变世界的伟大发明，比如说人工智能、Unix操作系统、加密算法，包括这一次的深度学习等等。
这说明了今天任何一项真正有意义、有生命力的理论研究，最终都会对改变世界产生巨大的作用。
而任何理论，要能够达到改变世界的水平，通常需要经过好几次迭代。而得图灵奖的通常是最后一次技术突破。
发明的荣誉总是会给予最后一个发明人
比如说，在历史上，Unix操作系统远非第一个操作系统，甚至不是贝尔实验室那个课题组在操作系统上的第一次尝试。
在贝尔实验室准备开发通用操作系统之前，IBM等公司已经有了很成熟的操作系统，但是并不完美。
此后，贝尔实验室打算通过设计一个万能的操作系统，molde cx解决这个问题，但是那个系统太过复杂，以至于难以成功。
后来，李琪和汤普森等人决定将一件事情做好，做一个最基本的操作系统，就是今天的UNIX，今天，在UNIX的基础上，扩展出了苹果的ios谷歌的安卓以及微软的windows NT。
这次授予图灵奖的深度学习，也是如此，他并不是授予了最初的提出者，而是给了坚持完成技术突破的三剑客。
简述-深度学习
那么深度学习到底又是什么呢？其实这是一种特殊的人工神经网络。
虽然他的名字里面有神经网络，这几个字，但是他和人的脑神经没有任何关系，他只是一个特殊的分类器。
在这个分类其中，一端也被称为输入端输入一些信号，今天这些信号就是数据，另外一端也被称为输出端，则会在某一些事先设定好的类别中选出一类，在这个网络的内部是一些信息传递通道，也被称为弧，以及通道交汇的节点。
由于世界上很多看似人工智能的问题，都可以变为分类问题，比如说各种图像识别语音识别、博弈计算机辅助决策计算机、翻译等等。
因此，人工神经网络这种工具近年来越来越普及，利用他们解决了很多过去的难题。
追溯-深度学习
本届亚恩-勒库恩、杰弗里-辛顿和尤舒亚-本吉奥这三个人，远非最初研究人工神经网络的科学家，更不是提出这个概念的人。
人工神经网络的历史，甚至可以追溯到计算机诞生之前。
50-60年代的启蒙
而人类第一次设计出计算机，能够运行的简单的神经网络算法，是上个世纪50年代的事情，1956年罗切斯特等人在IBM704计算机上实现了神经网络，他也是当年10个提出人工智能概念的科学家之一。
但是早期的人，工神经网络虽然给予人们很多遐想的空间，但是却解决不了什么实际问题。
60-70年代的凉凉
以至于从60年代后期到70年代初期，这项研究就被美国政府的经费管理部门打入了冷宫，因为花掉了很多钱，却没有什么成果。
80年代的复苏
到了80年代，由于摩尔定律，使得计算机成本大幅度下降。英特尔等公司的微处理器性能的提升，使得廉价的分布式并行处理成为可能，人工神经网络，经过改进以后，就又流行起来了。
当时计算机科学家们在教科书里甚至发明了一个新词，联结主义来形容这种改进以后的模型。当然，科学家们第二次拿到了美国政府的资助。
不过，由于人工神经网络的一些根本性问题没有解决，对于复杂的人工智能问题依然是束手无策的。
随后没过多久，这个领域的研究就又凉了下来，政府的科研基金管理部门也认定，这是旧酒装新瓶，骗取科研经费。
90年代的又凉凉
在上个世纪90年代到本世纪初的十年，是全世界人工智能的低谷。那个时期，人工智能的博士生在找工作的时候都不好意思讲自，研究的课题是人工智能，因为没有人要。
在学术界，据今天微软杰出的研究员、著名的深度学习专家邓力博士讲：当时他参加人工神经网络的国际会议，听众比做报告的人还要少。
但是就是在大家都不看好人工神经网络的时候，本届欧辛顿这三个人分别在各自的大学从事大家都看不上的研究。
他们通过将概率模型和其他机器学习的算法引入人工神经网络，改进了这项历史悠久的机器学习技术，并且拓宽了他的应用范围。
近20年的借东风
随着当时云计算的兴起，他们有可能实现非常大规模，也就是网络层次非常深的人工神经网络。
由于过去人工神经网络在美国政府科研机构的名声不太好，所以，这次他们换了一个说法，叫做深度学习，有时也称为深度神经网络。
这回，一炮打响了
其实辛顿这三个人的贡献并不在于最早提出人工神经网络的概念，而在于完善的这种机器学习的方法。
特别是通过实现深度的神经网络，奠定了今天深度机器学习的基础，并且通过实验验证了他们在工程上的应用前景。
这几年，人类在计算机视觉语音识别、自然语言处理和机器人等领域取得的突破性进步，都和他们的工作相关。
路，还很长
虽然今天在计算机科学领域，大家已经不再质疑人工神经网络的作用，但是它里面依然有很多问题，大家没有搞清楚。
比如，谷歌负责深度学习的杰夫迪恩就讲：为什么当这种神经网络的深度加深以后，机器学习的效果就好了，没有人能够解释的清楚。
这是一个最基本的问题，但是至今没有答案。因此，在机器学习领域，人类还有很长的路要走。
最后一个发明人
从亚恩-勒库恩、杰弗里-辛顿和尤舒亚-本吉奥这三个人获得图灵奖这件事情，进一步体会到：发明的荣誉总是授予“最后一个发明人”这个道理。
事实上，在他们之前对人工神经网络做出重大贡献的科学家，包括最早实现人工神经网络，并且提出人工智能概念的罗切斯特都没有获得图灵奖。
同时，我们也能进一步体会任何一项重大科技成就的取得，都是一个漫长的过程，而非从零到一那么简单。
哪些领域，你是“革命性的先驱”？
哪些领域，你是“最后一个发明人”？
另：公众号里有一些音频和视频干货（耿直的直）。
网友评论