[关闭]
@sambodhi 2017-10-08T11:33:16.000000Z 字数 4792 阅读 2069

吴恩达眼中的深度学习之七雄

最近十年以来,深度学习成为了风靡全球的人工智能新技术。在许多领域,深度学习都已经被证明是有用的,包括计算机视觉、语音和音频处理、自然语言处理、机器人技术、生物信息学和化学、电子游戏、搜索引擎、网络广告和金融等。

不久前,吴恩达在他的网站 Deeplearning.ai 发布了一系列主题为“ The Heros in Deep Learning ”的访谈视频。吴恩达亲自赤膊上阵采访了他眼中的深度学习的七位大神,小编整理了这七位大神的基本情况,让我们跟随大神们的脚步,踏入人工智能时代吧!

为方便国内外读者观看,每位大神后面都有 YouTube 和 QQ 视频的链接。还整理了大神们的 Twitter 账户,方便读者和大神们联系。


Andrej Karpathy

此处输入图片的描述

Andrej Karpathy 拥有斯坦福大学计算机视觉博士学位,读博期间师从现任 Google AI 首席科学家李飞飞,研究卷积神经网络在计算机视觉、自然语言处理上的应用,以及在这两个领域的交叉应用。他被人们广泛所知是由于他和李飞飞一起设计开发了“用于视觉识别的卷积神经网络”(CS231n)课程,并亲自教授,是斯坦福大学广受欢迎的深度学习课程之一。博士毕业论文为《连接图像与自然语言》(CONNECTING IMAGES AND NATURAL LANGUAGE)。

读博期间,Andrej Karpathy 在 Google Research 实习了两个暑假,还曾在 DeepMind 实习。实习内容主要和深度学习有关,之前他还在哥伦比亚大学和多伦多大学就读过。后来在 Elon Musk 旗下的人工智能研究机构 OpenAI 任研究员。2017 年 6 月,Karpathy 担任人工智能和 Autopilot Vision 部门的主管。

https://twitter.com/karpathy

Andrej Karparthy 访谈录:

YouTube: http://dwz.cn/6AcyaH
腾讯视频: http://dwz.cn/6Acz5o


Ian Goodfellow

Ian Goodfellow 是 Google Brain 研究员,以第一作者的身份,与 Yoshua Bengio、Aaron Courville 合著了《Deep Learning》 教科书,还曾经在 OpenAI 工作过一段时间。他最广为人知的成就是 2014 年 6 月提出了生成对抗网络( GAN ),为解决生成式问题提供了革命性的思路,从提出以后一直是热门的研究课题。因此被誉为“ GANs 之父”,Facebook AI 研究主管 Yann LeCun 称 GAN 是“过去20年来深度学习方面最酷的想法”。 Ian Goodfellow 被推举为人工智能领域的顶级专家。

Ian Goodfellow 拥有蒙特利尔大学博士学位,师从 Yoshua Bengio 。在读博期间就以软件工程师身份在 Google Street Smart Team 实习,毕业后先后担任 Google TensorFlow 及 Google Brain 团队的研究员。

Ian Goodfellow 的研究兴趣涵盖大多数深度学习主题,特别是生成模型以及机器学习的安全和隐私。Ian Goodfellow在研究对抗样本方面是一位有影响力的早期研究者,他发明了生成式对抗网络,在深度学习领域贡献卓越。

https://twitter.com/goodfellow_ian

Ian Goodfellow 访谈录:

YouTube:http://dwz.cn/6AfyE4
腾讯视频:http://dwz.cn/6AfzRw


Yoshua Bengio

Yoshua Bengio 于 1991 年获得加拿大麦吉尔大学计算机科学博士学位。Yoshua Bengio 是 Microsoft 人工智能研究战略顾问、蒙特利尔大学计算机科学与运筹学系(DIRO)教授、蒙特利尔学习算法研究所(MILA)负责人、CIFAR 项目的共同负责人、加拿大统计学习算法研究主席。Yoshua Bengio 教授是深度学习领域的先驱之一,他也是人工智能领域中经典之作《Learning Deep Architectures for AI》的作者。Yoshua Bengio 与 Geoff Hinton 以及 Yann LeCun 教授一起造就了 2006 年始的深度学习复兴。他的研究工作主要聚焦在高级机器学习方面,致力于用其解决人工智能问题。目前他是仅存的几个仍然全身心投入在学术界的深度学习教授之一。

Yoshua Bengio 在深度学习的多个领域都有造诣,如 LSTM 和 GAN,对深度学习有着持续而深远的影响。

据多方打听,Yoshua Bengio 并没有 Twitter 账户。

Yoshua Bengio 访谈录:

YouTube: http://dwz.cn/6AkgmZ
腾讯视频:http://dwz.cn/6Akh28


Geoffrey Hinton

Geoffrey Hinton 是一位英国温布尔登出生的计算机学家和心理学家,以其在神经网络方面的贡献闻名,被誉为“神经网络之父”,他是第一批使用广义反向传播算法讯六安多层神经网络的研究人员之一,是深层学习社区的重要任务。Geoffrey Hinton 1975 年取得爱丁堡大学的人工智能方向博士学位,是反向传播算法和对比散度算法的发明人之一,也是深度学习的积极推动者,目前任职于多伦多大学与 Google。最近担任了多伦多大学新成立的向量学院(Vector Institute)的首席科学顾问。作为人工智能领域的三位奠基人之一,早在 30 年前,Geoffrey Hinton 就已经在深度学习领域留下了自己的烙印,截止到 2016 年 11 月,Geoffrey Hinton 的署名文章报告共计 327 篇。然而,他经历了人工智能的寒冬,面临连导师都不看好的艰难时期,然而他一直对神经网络保持信心,终于在漫长的黑夜过后,直到计算机的性能达到深度学习的要求,Geoffrey Hinton 才开始在学术界以外得到自己应得的广泛认可,迎来了人工智能的黎明。

https://twitter.com/geoff_hinton

Geoffrey Hinton 访谈录

YouTube:http://dwz.cn/6BuFsS
腾讯视频:http://dwz.cn/6BuEyF


Ruslan Salakhutdinov

Ruslan Salakhutdinov 2009 年获得博士学位,师从 Geoffrey Hinton,研究的领域主要包括深度学习、概率图谱模型以及大规模优化等。Ruslan Salakhutdinov 2011 年在多伦多大学担任助理教授,2016 年 2 月转到卡内基梅隆大学担任副教授。同年,出任苹果人工智能研究院首任总监。

2006 年 7 月,Ruslan Salakhutdinov 作为第二作者,与作为第一作者的导师 Geoffrey Hinton 在 Nature 杂志上合作发表了论文《用 NN 实现数据的降维》(Reducing the Dimensionality of Data with Neural Networks),这篇论文提出了通过最小化函数集对训练集数据的重构误差,自适应地编解码训练数据的算法deep autoencoder,作为非线性降维方法在图像和文本降维实验中明显优于传统方法,证明了深度学习方法的正确性。 这篇论文与 Geoffrey Hinton 的另一篇论文《基于深度置信网络的快速学习算法》(A Fast Learning Algorithm for Deep Belief Nets),引起了整个学术界对深度学习的兴趣,才有了近十年来深度学习研究的突飞猛进和突破。

https://twitter.com/rsalakhu

Ruslan Salakhutdinov 访谈录

YouTube:http://dwz.cn/6BvBHp
腾讯视频:http://dwz.cn/6BvC7U


Yuanqing Lin

林元庆 2008 年获得宾夕法尼亚大学电气工程学博士,研究方向为机器学习和计算机视觉,2005 年至今在顶级国际会议和期刊发表论文 30 余篇,拥有 11 项美国专利,曾担任 NIPS 大会领域主席、大规模视觉识别和检索国际研讨会联合主席等,机器学习和计算机视觉等研究领域拥有多年的研究经验和显著的成果。

获得博士学位后,林元庆博士曾任 NEC 美国实验室媒体分析部门主管。在他的带领下 NEC 研究团队在深度学习、计算机视觉和无人驾驶等领域取得世界领先水平。

2015 年 11 月加入百度担任深度学习实验室(IDL)主任后,林元庆致力于带领深度学习实验室研发具有统治级别的人工智能技术,其领导的团队在多个领域实现了技术上重大进展并且应用到百度的多项产品中去,极大地提升了产品的性能以及用户的体验,其带领的团队在多项重要计算机视觉技术在国际测试集上取得世界第一名的好成绩。林元庆于 2017 年 3 月担任百度研究院院长。

https://twitter.com/YuanqingLin

林元庆访谈录

YouTube:http://dwz.cn/6BvBHp
腾讯视频:http://dwz.cn/6Bw3uS


Pieter Abbeel

Pieter Abbeel 拥有斯坦福大学计算机学系博士学位,师从 Andrew Ng。主要研究方向是将深度强化学习应用到机器人上。2008 年在加州大学伯克利分校担任电气工程和计算机科学系担任教授。Pieter Abbeel 是用深度强化学习做运动规划的领军人物,过去 15 年, Pieter Abbeel 一直在寻找让机器人学习的方法。2010 年他和他的学生对 BRETT(Berkeley Robot for the Elimination of Tedious Tasks,用于解决繁杂任务的伯克利机器人)进行了编程,使其可以拿起不同大小的毛巾、弄清楚它们的形状并将它们整齐叠好。

https://twitter.com/pabbeel

Pieter Abbeel 访谈录:

YouTube:http://dwz.cn/6BwO0P
腾讯视频:http://dwz.cn/6BwOND


Yann LeCun

吴恩达并没有采访到 Yann LeCun,但这位大神在深度学习领域的地位不容小觑,他号称“卷积网络神经之父”,因此,小编将此人的资料作为补充。

Yann LeCun 出生于法国,1987 年在匹斯堡大学获得计算机博士学位。在多伦多大学做了一段时间博士后,师从 Geoffrey Hinton。于 1988 年加入位于新泽西州的 AT&T 贝尔实验室,1993 年研发了一套能够识别手写数字的识别系统,命名为 LeNet ,被全世界多家银行用于识别支票。1996 年他成为图像处理研究部的主任,2003 年加入纽约大学任教。2013年,他被 Facebook 聘请为人工智能实验室(FAIR)主任,专注于一个独特的目标,即开发具有与人类同等智能水平的电脑。同时,仍在纽约大学担任教授。

1989年,Yann LeCun 在贝尔实验室提出了卷积神经网络(convolutionalneuralnetwork,CNN)技术,发表了论文《反向传播算法应用于手写邮政编码识别》(Backpropagation Applied to Handwritten Zip Code),并展示如何使用它来大幅度提高手写识别能力,因此被誉为“卷积神经网络之父”。卷积神经网络是近年发展起来的一种高效识别方法。神经网络正在迅速改变互联网最大的参与者,包括 Google、Facebook、Microsoft。

https://twitter.com/ylecun

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注