美国电脑协会（ACM）周三（27日）公布，有电脑界诺贝尔奖之称的图灵奖（ACM A.M. Turing Award），由3名30年来携手研究人工智能（AI）深度学习领域的先驱共同获得。3名得主分别是蒙特利尔大学教授本希奥（Yoshua Bengio，图左）、加拿大多伦多大学电脑科学教授欣顿（Geoffrey Hinton，图中）及美国纽约大学教授兼Facebook首席AI科学家杨立昆（Yann LeCun，图右）。他们可分享100万美元奖金。
这三位被业内人士称为“当代人工智能教父”的科学家是深度神经网络（deep neural network）的开创者，这项技术已经成为计算科学的关键部分，为深度学习（deep learning）算法的发展和应用奠定了基础——这正是现在计算机视觉（Computer Vison）、语音识别（Speech Recognizing）、自然语言处理（Natural Language Processing）和机器人研发等领域展现出惊人活力、掀起科技创业热潮的重要原因。
2017年10月10日，在蒙特利尔的深度学习峰会上，（左起）Yann LeCun，Yoshua Bengio和Geoffrey Hinton聚集在一起分享他们最前沿的研究进展。（互联网图片）
ACM主席Cherri M. Pancake说，人工智能是发展最快的科学领域之一，这很大程度归功于深度学习的进展，而三位科学家为此奠定了基础。Pancake说，所有使用智能手机的人都能切实感受到自然语言处理和计算机视觉的进展，这在10年前是不可能的，新进展还为医学、天文学和材料科学等领域提供了强大的新工具。
2018年度图灵奖得奖者
约书亚·本希奥（蒙特利尔）
约书亚·本希奥（Yoshua Bengio），在加拿大麦吉尔大学取得计算机博士学位。现为加拿大蒙特利尔大学教授、加拿大数据定价中心主任（IVADO）、蒙特利尔学习算法研究中心（Mila）科学主任、加拿大先进研究院主任。同时，他与杨立昆一起担任加拿大先进研究院机器与大脑学习项目的主管。他创建了目前世界上最大的深度学习研究中心——蒙特利尔学习算法研究中心（MILA），使蒙特利尔成为世界上人工智能研究最为活跃的地区之一，引来大批公司和研究室入驻。
Bengio的贡献主要在1990年代发明的Probabilistic models of sequences。他把神经网络和概率模型（例如隐马尔可夫模型）结合在一起，并和AT&T公司合作，用新技术识别手写的支票。现代深度学习技术中的语音识别也是这些概念的扩展。此外Bengio还于2000年还发表了划时代的论文“A Neural Probabilistic Language Model”，使用高维词向量来表征自然语言。他的团队还引入了注意力机制，让机器翻译获得突破，也成为了让深度学习处理序列的重要技术。
杰弗里·欣顿（多伦多）
杰弗里·欣顿（Geoffery Hinton），在爱丁堡大学获得人工智能博士学位。现任谷歌副总裁、工程研究员、多伦多人工智能矢量研究所首席科学顾问、多伦多大学名誉教授。他是加拿大先进研究院神经计算和自适应项目（Neural Computation and Adaptive Perception Program）的创始人，还获得了包括加拿大最高荣誉勋章（Companion of the Order of Canada）、英国皇家学会成员、美国工程院外籍院士、人工智能国际联合会（IJCAI）杰出研究奖、IEEE詹姆斯·克拉克·麦克斯韦金奖（IEEE James Clerk Maxwell Gold Medal）等一系列荣誉。2017 年被彭博社（Bloomberg）评为改变全球商业格局的 50 人之一。
杨立昆（纽约）
杨立昆（Yann LeCun），在法国皮埃尔和玛丽·居里大学获得计算机科学博士学位。现任纽约大学柯朗数学科学研究所 Silver 冠名教授、Facebook 公司人工智能首席科学家、副总裁。他获得了包括美国工程院院士、IEEE神经网络先锋奖（IEEE Neural Network Pioneer Award）等一系列荣誉。他还是纽约大学数据科学中心的创始人，与约书亚·本希奥一起担任加拿大先进研究院机器与大脑学习项目的主管。
Yann LeCun的代表贡献之一是卷积神经网络。1980年代，LeCun发明了卷积神经网络，现在已经成为了机器学习领域的基础技术之一，也让深度学习效率更高。1980年代末期，Yan LeCun在多伦多大学和贝尔实验室工作期间，首次将卷积神经网络用于手写数字识别。今天，卷积神经网络已经成为了业界标准技术，广泛用于计算机视觉、语音识别、语音合成、图片合成，以及自然语言处理等学术方向，以及自动驾驶、医学图片识别、语音助手、信息过滤等工业应用方向。LeCun的第二个重要贡献是改进了反向传播算法。他提出了一个早期的反向传播算法backprop，也根据变分原理给出了一个简洁的推导。他的工作让反向传播算法更快，比如描述了两个简单的方法可以减少学习时间。LeCun第三个贡献是拓展了神经网络的应用范围。他把神经网络变成了一个可以完成大量不同任务的计算模型。他早期引进的一些工作现在已经成为了人工智能的基础概念。例如，在图片识别领域，他研究了如何让神经网络学习层次特征，这一方法现在已经用于很多日常的识别任务。他们还提出了可以操作结构数据（例如图数据）的深度学习架构。
图灵奖由ACM于1966年设置，设立目的之一是纪念著名的计算机科学先驱艾伦·图灵。图灵奖是计算机科学领域的最高奖。获奖者必须在计算机领域具有持久重大的先进性技术贡献。人工智能领域的先驱马文·明斯基（Marvin Lee Minsky）、约翰·麦卡锡（John McCarthy）、艾伦·纽厄尔（Allen Newell）和司马贺（Herbert Alexander Simon）等人都曾经获奖。华人科学家姚期智2000年因为伪随机数生成等计算领域的重要贡献获奖。
蒙特利尔的AI发展
人工智能在 20 世纪 50 年代成为了一门科学。那时研究者们乐观地认为，在自己有生之年就可以看到拥有人类智力水准的机器出现。然而，当时的算法和计算能力都无法承担重任，美好的希望就此破灭。一些怀疑论者甚至认为制造人工智能的企图在根本上就是一种自大。直至 21 世纪初，约书亚·本希奥、杰弗里·欣顿和杨立昆开创的深度神经网络技术使人们重燃希望。如今他们的想法却带来了重大的技术革新，他们的方法也无疑已经成为当今该领域研究中的主流范式。
2018图灵奖的得奖者之一：被誉为“加拿大AI教父”的 Yoshua Bengio 教授。
目前，世界范围人工智能人才依然短缺，而加拿大尤其蒙特利尔凭借AI学术社群蓬勃发展及其创新生态，成为人工智能人才集散地。加拿大政府在资金及政策上大力支持也带动经济发展，留住人才的良性循环，进一步强化加拿大争取世界人工智能研发中心的地位。
对话AI巨擎
去年5月20日，为众多创业者所期待的蒙特利尔第二届中加创新创业论坛在Centre Mont-Royal启幕。在此次论坛上，著名的“加拿大AI教父” Yoshua Bengio 教授作为重量级嘉宾出席，发表了《人工智能机遇与挑战》的主题演讲。 作为中加创新创业论坛的战略合作伙伴，《今日北美》在论坛期间对Bengio教授进行了专访。
Yoshua Bengio 教授接受《今日北美》的专访。
对话人工智能世界顶尖科学家，近距离感受灵感闪现和思想涌流。 请看专访视频：
Q：加拿大尤其是蒙特利尔的人工智能发展水平是怎样的？
Y：加拿大一直是深度学习的先驱，深度学习作为一种特殊的人工智能研究方法，在过去几年中一直非常成功，所以加拿大的确是这门科学的领军者。现在加拿大正成为AI在经济领域的领导者，许多小公司和初创公司大量涌现。蒙特利尔集中了大量人工智能研究的高端人才，尤其在深度学习领域，因此吸引了很多大型科技公司在蒙特利尔创建研究实验室。
Q：蒙特利尔为何吸引大公司纷纷前来投资？
Y：蒙特利尔（包括多伦多、埃德蒙顿和温哥华等其他城市）的整体人工智能生态系统在不断发展，而且因为我们拥有大量的科研人才，企业家现在也不断增加，这对那些大公司来说非常有吸引力。所有准备投身人工智能的公司都知道，现在最重要的核心竞争力是人才，数据当然也非常重要。目前在深度学习和人工智能领域，世界范围内没有足够专业的人才。因此像蒙特利尔这样人才集中的地方，对于即将开设研究实验室的公司而言，非常具有吸引力。
Q：蒙特利尔有望成为“新硅谷”吗？
Y：这个问题很好，几年前我有过这个梦想，可以把蒙特利尔变成“新硅谷”。起初我觉得非常重要，因为我们在这一领域非常有建树，能够引领人工智能的经济发展也是好事。不过目前发展态势很好，如果所有这些公司都集中在一个国家发展人工智能，我认为这对全世界来说不一定是好事，AI开发的地区和环境最好更加多样性。
Q：中国的人工智能发展水平及中加在AI领域的合作现状和前景如何？
Y：中国人工智能发展给我留下了深刻的印象，中国有极大的热情，在过去的几年中，中国的大学教育体系取得了很大进展。多年来，很多中国学生来蒙特利尔攻读研究生课程，可以看到，学生的素质越来越好。中国的大学教育体系正在发展和壮大，我看到中国的高科技公司也有惊人的增长，这些公司正在投资人工智能，并且对此非常敏捷。愿意冒险尝试新事物并快速发展，我认为这是中国企业的一大优势。而且中国拥有世界最大的消费市场，这些都是中国人工智能发展的利好因素。加拿大在这方面的研究有着更长的传统，所以中国和加拿大之间的合作前景将非常广阔。
Q：如何在学术领域留住AI人才？
Y：很多人从学术界走向了工业界，最好的学生、大学教授被大公司聘请，师资队伍流失严重。一些公司开始意识到这个问题，有趣的是在蒙特利尔，这些公司与大学达成协议，教授们并非全职被这些公司雇佣，而是在学校和企业各供职一半，所以他们可以继续培养研究生，虽有减少，但他们仍然提供硕士、博士教学。但在接下来的5年，我希望这种危机逐渐缓解。我没有看到世界各地学习人工智能学生数目惊人，他们不断学习、成为专家，所以希望这种人才失衡局面在未来几年慢慢好转。
Q：面对AI发展的变革，如何调整教育体系？
Y：我们需要重新思考教育系统，不仅仅是培养更多人工智能人才，还要教育下一代能够更好地适应不断变化的世界。我们不希望培养局限的专业知识，因为这很容易被机器取代。如果我们教育学生能够更广泛地了解人类、了解社会以及如何推理、如何自主学习，他们将能够更好地适应就业市场的变化，以及我们现在还无法预测的科技发展。
几十年来，我们犯的一个错误，认为教育系统是把学生塑造成小机器人一样，以完成特定的工作。如今这样行不通，因为真正的机器人可以做这些非常专业的工作。所以我们需要培养学生，让他们成为更好的公民，学会思考、学会推理、能够更好地理解哲学，能够理解人类如何工作。机器不会取代那些涉及广泛的知识和人与人相互作用的工作，因为这不易自动化，例如教育、医疗保健等等。
Q：人工智能超越人类，我们有理由恐惧吗？
Y：我不担心那种恐惧，我更担心AI被滥用。 我认为存在人工智能变得超级智能、甚至失控的可能性，但更像科幻。我十分关心人工智能将如何在未来几年和几十年内用于现实。 是所有人受益、还是会在社会上造成很大的痛苦，这涉及社会决策，以及未来几年必须面对的政治决策，并可能产生很大的影响。
