編輯：于占勝? 組別：研一
【嵌牛導讀】相信不少人已經注意到，全球人工智能發展的浪潮正在洶涌來襲。從智能家居產品，到無人駕駛汽車，再到醫療診斷，可以說人工智能已經滲透到我們生活中的方方面面，而這些功能的實現，都得益于人工智能領域深度學習的快速發展。
【嵌牛提問】人工智能發展背后的三巨頭是誰？
【嵌牛鼻子】人工智能、深度學習
【嵌牛正文】
談及深度學習，我們首先想到的是美國的微軟，谷歌，Facebook、亞馬遜或者蘋果這些科技巨頭。確實這些明星企業在人工智能方面的成績有目共睹，但你或許并不知道，為這一浪潮提供基礎研究成果和寶貴人才的，其實相當程度上來自于一個談及高科技公司很少被想到的國家-加拿大。而在人工智能深度學習領域中，有這三位科學家Geoffrey Hinton 、YannLeCun和Yoshua Bengio他們見證和影響了人類人工智能的發展。這篇文章將依次介紹一下這三位科學家在人工智能基礎研究方面的諸多貢獻。
而這一切，還要從當今人工智能深度學習之父Geoffrey Hinton的經歷說起。現年已經整整70歲，在英國出生的Geoffrey Hinton很早就對大腦的活動機制感興趣，在劍橋大學求學期間，他攻讀的是心理學專業，但他失望地發現，心理學對意識一無所知，于是1970年本科畢業后，厭倦了學術界的Geoffrey Hinton轉而做起了自己的一大愛好-木匠。后來他聽說愛丁堡大學有一個人工智能計劃，在1972年搬去哪里攻讀博士，想要投身于人工神經網絡的建設，不過他在這里的研究方向與他導師向左，在拿到博士學位后他便離開了對它的研究并不認可的英國，來到了美國加州大學圣地亞哥分校擔任博士后研究員，繼續從事神經網絡的研究，1987年因極為不喜歡美國軍方資助來研究人工智能，而彼時的加拿大高等研究所樂于資助有前途的冷門項目，并向Geoffrey Hinton伸來了橄欖枝，于是他又搬到多倫多，并成為了多倫多大學計算機科學教授。由于神經網絡的高度復雜性，這一方向曾一度被認為是人工智能研究的死胡同，在神經網絡不受待見的當時，相關的學術論文很難被發表，很多同行轉去研究別的領域，而Geoffrey Hinton依然堅持寫了數百篇研究論文，為之后的突破打下了堅實的基礎。直到近二十年后，2006年，這一領域才出現轉機，在這一年Geoffrey Hinton和它的研究生Ruslan Salakhutdinov在Science上發表了一片開創性的論文，提出了神經網絡的一些新思想和新方法，才引起人工智能學界的關注，他們用數十年前就已經出現并未引起重視的術語“深度學習”來描述和包裝這一新思路和新方法，自此，深度學習開始登場。在2012年的國際圖片分類競賽ImageNet上，Geoffrey Hinton的兩個博士生采用深度學習識別圖像的準確率達到了85%，領先第二名10%以上，第二名到第四名之間的準確率差距微乎其微，他們均采用傳統的計算機圖像識別方法進行分類。這一事件在計算機視覺領域產生了極大的震動，并迅速波及整個AI界。
在了解了Geoffrey Hinton之后，我們在了解一下與加拿大頗有淵源，同樣是AI界大神級別的人物-Yann LeCun和Yoshua Bengio,.Yann LeCun現紐約大學終身教授，三十年前在多倫多大學讀博士后時師從Geoffrey Hinton。他對人工智能深度學習的最大貢獻就是他將20世紀60年代在研究動物大腦結構時，所發現的卷積神經網絡研究成果應用到人工智能深度學習領域，研究表明，在動物大腦中，用于感知外界敏感度和方向感的神經元，具有獨特的網絡結構，這種結構在有效降低反饋神經網絡復雜性的同時卻擁有極佳的反饋速度，現在，卷積神經網絡已經在人工智能深度學習領域得到廣泛應用。Yoshua Bengio，12歲從法國移民加拿大，之后在素有“加拿大哈佛”之稱的麥吉爾大學獲得計算機科學博士學位，后在蒙特利爾大學任教Yoshua Bengio開創了神經網絡做語言模型的先河，啟發了很多之后基于神經網絡做自然語言處理的研究。2003年Geoffrey Hinton 、YannLeCun和Yoshua Bengio組成一個被戲稱為“深度學習陰謀集團”的小團體，為了證明神經網絡是有用的，他們悄悄地開發了更多層的神經網絡，用更大的數據集來訓練，并在更強大的計算機上來運行。2004年，在加拿大高等研究所每年50萬美元的資助下，他們還合作成立了“神經計算和適應感知”項目，一同探索神經網絡模擬人腦智能的新方法，可以說他們三人在神經網絡研究領域扮演了至關重要的角色，共同締造了自2006年開始的深度學習復興，他們今天也因此被譽為“深度學習三巨頭”。
