Heure de l'Est des États-Unis le 27 Mars, l'Association américaine pour Computing Machinery (ACM de) a annoncé que trois promoteurs apprentissage en profondeur Vous Shuya Ben Gio (Yoshua Bengio), Geoffrey Hinton (Geoffrey Hinton), et Jahn de la musique Queensland (Yann LeCun) pour ses réalisations dans le réseau de neurones a remporté le Prix Turing 2018 (AM Turing Award). Ceci est à partir de 2002 et après 2007, alors que le troisième prix a été décerné Turing à trois scientifiques.
postdoctorant Geoffrey Hinton Laboratoire Jahn a travaillé pour l'Université de Toronto la musique-Kun, Kun Jahn de la musique chez AT & T Bell Labs et vous Shuya Shi Ben Gio devenir collègues, selon "The New York Times" a rapporté en 2004, avec le soutien du gouvernement du Canada, Geoffrey Hinton a mis en place des projets de recherche et de musique invitent Jahn Kun Vous Shuya Ben Gio a rejoint son équipe. Geoffrey Hinton a dit qu'ils voient le côté presque chaque semaine, et les parties se terminent souvent par une querelle. Au cours des dernières décennies, à la fois mentionné ci-dessus trois études indépendantes et la coopération mutuelle, et jeté les bases de la notion de profondeur de champ des réseaux de neurones. Ils ont surmonté la puissance de calcul et de limiter la quantité de données pour étudier la rétro-propagation (rétropropagation) percée, réseau neuronal convolutif (CNN) et à générer réseau neuronal contradictoire (GAN), et cetera.
Yoshua Bengio est professeur à l'Université de Montréal, Québec, directeur scientifique des agences d'intelligence artificielle Mila. Il a co-écrit « l'apprentissage en profondeur » (apprentissage en profondeur) et d'autres experts, c'est un livre l'industrie comme « la Bible ». Son article est cité 131 fois la moyenne quotidienne en 2018.
Dans la série modèle probabiliste dans les années 1990 invention, la théorie des réseaux de neurones et un modèle probabiliste associé à la nouvelle technologie avec succès pour identifier les contrôles écrits à la main, et la technologie de reconnaissance vocale dans l'apprentissage en profondeur moderne nous développons également sur cette base.
En plus des documents Bengio « Un modèle de langue probabilistes Neural », utilise un mot de vecteur de haute dimension pour caractériser le langage naturel. Son équipe a également introduit le mécanisme d'attention pour la traduction automatique pour obtenir une percée technologique, devenant ainsi la profondeur de la séquence de processus d'apprentissage des technologies importantes.
Geoffrey Hinton est un Google vice-président, conseiller scientifique en chef, chargé de l'ingénierie à l'Institut Vector Professeur émérite honneur de l'Université de Toronto.
Sa plus importante contribution à l'étude comprennent rétropropagation « apprentissage Représentations internes par erreur de propagation », le papier mentionné rétropropagation réseau de neurones permet aux données de caractériser leur propre découverte interne, afin que nous puissions régler le problème ne peut être résolu dans le passé.
Suivi par la machine Boltzmann (Boltzmann Machines) inventées 1983, et en 2012 convolution améliorée réseau de neurones. Hinton et son élève Alex Krizhevsky et Ilya Sutskever amélioré par Rectifié linéaire Neurosciences convolution Dropout Régularisation réseau de neurones, et ont obtenu de bons résultats dans la célèbre évaluation de IMAGEnet, a déclenché une révolution dans le domaine de la vision par ordinateur.
Yann LeCun est professeur à l'Université de New York, Facebook vice-président et directeur scientifique AI. Il est également connu comme le « père des réseaux de neurones convolutionnels. »
1980, LeCun inventa les technologies d'infrastructure de réseau de neurones convolutionnels dans le domaine de l'apprentissage machine, de sorte que plus d'efficacité d'apprentissage en profondeur. Yann LeCun au cours de l'Université de Toronto et Bell Labs, la première fois le réseau de neurones de convolution de reconnaître les numéros écrits à la main. Aujourd'hui, la convolution réseau de neurones est devenu largement utilisé dans la vision par ordinateur, la direction de l'orientation scolaire des applications industrielles de reconnaissance vocale, synthèse de la parole, des images de synthèse, le traitement du langage naturel, ainsi que le pilote automatique, identification médicale d'image, assistant vocal, filtrage de l'information.
LeCun deuxième contribution importante à l'amélioration de l'algorithme de rétropropagation. Il a fait un début de l'algorithme de rétropropagation backprop, donne une dérivation concise basé sur le principe variationnel, permettre un algorithme plus rapide rétropropagation.
Sa troisième contribution est d'élargir le champ d'application des réseaux de neurones, il est devenu le modèle informatique réseau de neurones peut faire un certain nombre de tâches différentes. Son introduction précoce d'une partie des travaux est devenu la base du concept de l'intelligence artificielle, comme dans le domaine de l'identification de l'image, il a étudié comment faire l'apprentissage du réseau de neurones au niveau des fonctions, cette approche est maintenant utilisée dans de nombreuses tâches de reconnaissance de tous les jours.
