Yann LeCun、Geoffrey Hinton或Yoshua Bengio能得图灵奖吗？

Yann LeCun、Geoffrey Hinton和Yoshua Bengio这三位被誉为“深度学习三巨头”的研究者，他们不仅很有可能，而且 几乎可以肯定地会获得图灵奖。事实上，目前为止（截至我最后知识更新日期），他们还没有获得图灵奖。 但这并不代表他们不会获得，而是图灵奖的评选过程非常严谨且有滞后性。

以下是详细的解释：

为什么他们这么有资格获得图灵奖？

图灵奖被认为是计算机科学领域的最高荣誉，通常授予那些对计算机科学领域做出“对计算机领域具有持久而重大贡献”的个人。这三位研究者对现代人工智能（尤其是深度学习）的贡献是开创性的、颠覆性的，并且已经产生了深远的影响，这些影响遍及学术界、工业界和社会生活。

他们的主要贡献集中在以下几个方面：

卷积神经网络 (CNN) 的复兴与发展 (Yann LeCun):
LeCun 在 1980 年代末和 1990 年代初就开创性地提出了卷积神经网络 (CNN) 的概念，并在手写数字识别（如 LeNet5）方面取得了巨大成功。
CNN 的核心思想是通过模拟生物视觉系统的层次结构，使用卷积层来自动提取图像的局部特征，这比传统的图像处理方法效率更高、效果更好。
虽然 CNN 的概念早期并没有获得广泛关注，但随着计算能力的提升和海量数据的出现，LeCun 的早期工作在 2010 年代被重新发掘并成为图像识别、计算机视觉领域的主流技术，并驱动了许多实际应用，如自动驾驶、医疗影像分析、人脸识别等。

深度学习的理论基础与反向传播算法的推广 (Geoffrey Hinton):
Hinton 是推动深度学习复兴的灵魂人物之一。他与他的学生和同事们（包括 Yoshua Bengio 和 Yann LeCun）在 2000 年代末和 2010 年代初期的研究，极大地推动了深度学习的发展。
他对 反向传播算法 (Backpropagation) 的深入研究和有效应用至关重要。虽然反向传播的概念早在 1970 年代就存在，但 Hinton 和他的团队证明了在多层神经网络中有效利用反向传播训练深度模型是可行的，这为深度学习的成功奠定了关键的技术基础。
他还在深度信念网络 (Deep Belief Networks DBN) 和受限玻尔兹曼机 (Restricted Boltzmann Machines RBM) 等早期深度学习模型方面做出了重要贡献，这些模型为“深度”学习的理念提供了早期的实践支持。
Hinton 对 胶囊网络 (Capsule Networks) 的探索也是其在计算机视觉领域持续创新的体现。

深度学习理论的系统化与循环神经网络 (RNN) 的发展 (Yoshua Bengio):
Bengio 在深度学习的理论理解和方法论方面做出了杰出贡献。他与其他研究者一起，深入探讨了深度学习模型的学习能力、表示能力和泛化能力。
他尤其在 循环神经网络 (Recurrent Neural Networks RNN) 及其变种（如长短期记忆网络 LSTM）的推广和应用方面扮演了重要角色。RNN 非常适合处理序列数据，在自然语言处理 (NLP) 领域取得了革命性的进展，例如机器翻译、语音识别、文本生成等。
Bengio 对 注意力机制 (Attention Mechanism) 的研究也为现代 NLP 模型（如 Transformer）的出现铺平了道路。
他将深度学习的理论框架与认知科学、统计物理等领域进行连接，进一步丰富了深度学习的理论内涵。

为什么他们会被授予图灵奖？

图灵奖的评选委员会通常会考虑以下几个因素：

1. 开创性: 他们的工作是否开创了一个全新的研究方向或领域？
2. 持久影响: 他们的贡献是否持续地影响着计算机科学的学术研究和工业应用？
3. 理论与实践的结合: 他们的工作是否既有扎实的理论基础，又能在实际应用中产生显著效果？
4. 引领作用: 他们是否在自己的领域内扮演了领导者和导师的角色，培养了下一代的研究人才？

LeCun、Hinton 和 Bengio 完全符合这些标准。他们不仅在各自的研究方向上取得了突破，更重要的是，他们通过共同的努力和合作，成功地将深度学习从一个相对边缘的领域推向了人工智能研究的主流，并直接催生了当前人工智能的繁荣。

图灵奖的评选与滞后性:

值得注意的是，图灵奖的评选往往有一定的滞后性。这是因为：

评估影响需要时间: 一项技术或理论的影响力需要时间来显现和被广泛认可。
学术界共识的形成: 图灵奖的决定需要形成广泛的学术界共识，这需要时间和大量的同行评审和引用数据来支撑。
研究的持续演进: 有时，一项技术最初的开创性工作可能在多年后才显现出其真正的潜力，或者与后续的研究结合才能发挥最大价值。

考虑到深度学习的爆发式发展主要集中在 2010 年代之后，虽然他们在此之前就已做出关键贡献，但深度学习的全面影响和应用至今仍在快速演进和扩散。 因此，他们尚未获得图灵奖并不奇怪，反而更像是对他们工作价值的一种“充分发酵”的等待。

未来展望:

随着人工智能技术的持续进步和在各行各业的广泛应用，LeCun、Hinton 和 Bengio 的贡献只会更加突出。他们无疑是图灵奖的有力候选人，并且普遍被认为是图灵奖的“必得者”。一旦他们获得图灵奖，这将是对深度学习领域巨大贡献的最高认可。

总而言之，Yann LeCun、Geoffrey Hinton 和 Yoshua Bengio 是深度学习领域的奠基人，他们的工作不仅具有开创性，更产生了革命性的影响。图灵奖是对计算机科学领域杰出贡献的最高肯定，而他们三人无疑是这个奖项的有力竞争者，并极有可能在不久的将来获得这一殊荣。

03/27/2019

啊毒奶了。。。。。。时代变啦，其实我自己2015年也就All in DL了。不然才真的叫凉凉。

被打脸了，真疼，见https://www.zhihu.com/question/317715156/answer/634060435

不能。

深度学习是一个系统性工程，发展的核心是算力，算力够了才能谈别的。深度学习的历史是在算力不断提高的过程中，由群众们一点一点书写的。虽然整个领域的发展对计算机科学乃至人类社会做出了巨大的贡献，但是任何一个人很难分到足够获得图灵奖的份额。

LeCun主要贡献是在MNIST上用神经网络（LeNet）得出了不错的结果（但是神经网络并不是他发明的）。

Hinton主要贡献是早期参与了提出BP（但不是第一个），后来提出用autoencoder做预训练，然后提出了Alexnet（超大号LeNet）。

Bengio涉猎广泛，很难简单概括他做了什么。

这些贡献都很重要，但是很难说哪一个是根本性的飞跃，基本都是在前人工作上的一步改进，所以拿图灵奖是没什么希望的。

PS，如果一定要给谁发一个图灵奖的话，我提议两弹元勋黄仁勋。毕竟靠牙膏厂和按摩店，深度学习的发展至少要拖后三、五年。