“

　　人工智能时代的来临无疑让科学走向极致，让技术承载未来，它再也不仅仅是实验室里冷冰冰的研究，正逐步成为科技公司的最核心竞争力，并逐渐影响着人类的生活。今天特别为您盘点人工智能领域三大奠基人，看这些 技术巨头们如何用最前沿智慧打造AI帝国。

　　Geoffrey Hinton

　　杰弗里·辛顿

　　目前任职于：Google

　　最擅长领域：深度学习及脑神经

　　首当其冲的无疑是Geoffrey Hinton，他被尊称为“神经网络之父”，这位教父级人物将神经网络带入到研究与应用的热潮，同时将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术，还将 HintonBack Propagation反向传播算法应用到神经网络与深度学习，并提出“Dark Knowledge”等多个概念。Geoffrey Hinton 曾获得爱丁堡大学人工智能博士学位，后来为多伦多大学的特聘教授。在 2012 年，Hinton 还获得了有着“加拿大诺贝尔奖”之称的国家最高科学奖，基廉奖（Killam Prizes ）。自2013 年起，Hinton 加入谷歌并带领一个 AI 团队，目前正在进行谷歌大脑项目。

　　独到观点：面向长远的人工智能革命性研究更具投资价值

　　在80年代早期，Geoffrey Hinton就参与了一个关于使用计算机的软硬件来模拟大脑的研究，但而当时AI普遍的研究方向也与他们相反，都在试图寻找捷径，直接模拟出行为，而不是试图通过模仿大脑的运作来实现，在这样艰难的环境下，Hinton却坚持了下来，并在2004年靠着少量的来自CIFAR以及LeCun和Bengio的的资金支持创立了NCAP（神经计算和自适应感知）项目。后来NCAP研究成员Andrew Ng在Google创立并领导了Google Brain项目，只用了一年，Hinton和他的团队就让CIFAR看到他们的投资会有多么丰厚的回报。 在这个过程中，Hinton和NCAP已然让人刮目相看。Geoffrey Hinton也表示CIFAR 的支持使多伦多成为了一个在科研领域备受关注的地区。自然科学和工程研究理事会对此也非常有帮助，因为他们一直在为那些基本的，好奇心驱动的研究提供资金。这些资金证明了相比那些让政客开心的短期投资，面向长远的人工智能革命性研究更具投资价值。

　　最新成果：谷歌大脑通过给个体标签建模提高分类能力

　　近日，Geoffrey Hinton带领谷歌大脑团队推出了新作：通过给个体标签建模来提高分类能力，同时也展示了通过采用这种标记方法我们提升了计算机辅助诊断糖尿病导致视网膜病变的准确度。谷歌大脑团队提供了一种创新的方法，以处理那些数量巨大的、需要借助专家来标记标签的现实数据。

　　下一站：Vector Institute向量学院

　　上个月，多伦多大学宣布成立一个专注于人工智能研究的独立研究机构——向量学院（Vector Institute），作为多伦多大学计算机系名誉教授的Geoffrey Hinton被任命为首席科学顾问将在这里开展人工智能研究，吸引更多人才并致力于将多伦多建设成一个全球人工智能的中心。Hinton的这个团队也会是Google Brain的一个延伸，而恰巧在去年底，Google早已宣布在蒙特利尔开设了一个Google Brain的分部。

　　Yann LeCun

　　雅恩·乐昆

　　目前任职于：Facebook

　　最擅长领域：深度学习及图像识别

　　Yann LeCun是深度学习领域另一重量级人物，在博士期间他提出后向传播学习算法，博士后在多伦多大学师从我们上文提到的Geoffrey Hinton，后来在著名的贝尔实验室将BP应用在卷积神经网络（Convolutional Neural Networks）并将其应用到real application。2003年加入纽约大学，研究方向涉及机器学习、计算机视觉、移动机器人和计算神经学。他还开发了一种开源的面向对象编程语言Lush，比Matlab功能还要强。

　　Yann LeCun TOP3论文的引用指数 From Google Scholar

　　独到观点：想研究深度学习先学好数学和物理

　　Yann LeCun曾经对想要成为深度学习领域研究型科学家的本科生提过很中肯的建议：把所有具有连续性的数学和物理课都上一遍。他说，如果必须要在“iOS 编程”和“量子力学”之间选一门，一定要选后者。在任何情况下，都要上微积分（I）、 微积分（II）, 微积分（III）、线性代数、概率论和统计学，另外尽可能多的去听物理学的课程，因为它发明了很多数学方法，来给真实世界建模。同时，还建议学习编程。

　　最新成果：通用目标分割框架 Mask R-CNN

转载请注明出处。