現代AI （神經元） 的主要貢獻者

.傑弗裏·辛頓

• 辛頓被譽為“深度學習教父”，他與大衛·魯梅爾哈特共同開發了反向傳播算法，使神經網絡能夠有效地調整權重，並引領了神經網絡在人工智能領域的複興。他在玻爾茲曼機和深度信念網絡方麵的工作也為現代深度學習奠定了基礎。

2. Yann LeCun

• LeCun 開發了卷積神經網絡 (CNN)，徹底改變了計算機視覺領域。他在反向傳播和 CNN 方麵的工作對圖像識別產生了深遠的影響，使麵部識別和圖像分類等應用成為可能。

3.吳恩達

• 吳恩達通過在線課程以及在穀歌大腦和百度的工作推廣了人工智能和深度學習。他在將深度學習應用於語音識別和計算機視覺任務方麵發揮了關鍵作用，幫助彌合了研究與行業之間的差距。

4. Yoshua Bengio

• Bengio 是深度學習和神經網絡領域的另一位重要人物。他在循環神經網絡 (RNN)、序列到序列模型和自然語言處理 (NLP)方麵的工作對該領域產生了重大影響。Bengio 與 Hinton 和 LeCun 一起，是2018 年因對 AI 的貢獻而獲得圖靈獎的三位先驅之一。

5.約翰·麥卡錫

• 麥卡錫經常被稱為人工智能之父之一，他創造了“人工智能”一詞，並開發了LISP 編程語言，該語言成為人工智能研究領域最受歡迎的語言之一。盡管他的工作早於現代神經網絡，但麥卡錫對人工智能基礎的貢獻是巨大的。

6.阿蘭·圖靈

• 圖靈是人工智能領域最早的貢獻者之一，因提出評估機器智能的圖靈測試而聞名。盡管神經網絡並不是他的重點，但他在計算方麵的理論工作為現代人工智能奠定了基礎。

7.馬文·明斯基

• 明斯基是麻省理工學院人工智能實驗室的聯合創始人，也是人工智能研究的先驅。他是符號人工智能的支持者（在神經網絡興起之前），但也為神經網絡的早期研究做出了貢獻。他的著作《感知器》（與西摩·帕普特合著）批評了早期神經網絡的局限性，但激發了未來的發展。

8.大衛·魯梅哈特

• 魯梅爾哈特與傑弗裏·辛頓密切合作，共同開發了反向傳播算法。他在認知科學和神經網絡方麵的工作為人工智能和機器學習奠定了重要基礎。

9.伊利亞·蘇茨克韋爾

• Sutskever 是 Geoffrey Hinton 的學生，也是OpenAI的聯合創始人。他為序列到序列模型和轉換器網絡做出了重大貢獻，這些模型是 GPT-3 和 GPT-4 等現代自然語言處理模型的基礎。

10.李飛飛

• 李飛飛以其在計算機視覺領域的工作而聞名，她領導了ImageNet的開發，這是一個龐大的圖像數據集，在推動深度學習技術發展方麵發揮了至關重要的作用。ImageNet挑戰賽推動了卷積神經網絡 (CNN) 的發展，極大地促進了人工智能在圖像識別任務方麵的進步。

榮譽提名：

• Juergen Schmidhuber：開發了長短期記憶（LSTM）網絡，提高了循環神經網絡（RNN）在涉及序列數據的任務（例如語音識別、翻譯）中的性能。

• 傑弗裏·辛頓 (Geoffrey Hinton) 的學生：辛頓的幾名學生，包括Yann LeCun、Ilya Sutskever和Alex Krizhevsky，都做出了開創性的貢獻，特別是在 CNN 和 transformer 等深度學習架構的開發方麵。

 

傑弗裏·辛頓是最大的貢獻之一，特別是在深度學習和神經網絡方麵，但許多其他科學家也塑造了現代人工智能領域。他們的貢獻範圍從理論基礎（圖靈、麥卡錫）到神經網絡的實際進步（勒昆、本吉奧、吳恩達）以及自然語言處理（蘇茨克弗）和計算機視覺（李）等應用。