Yann LeCun、Geoffrey Hinton或Yoshua Bengio能得圖靈獎嗎？

12-31

不能。
如果你問我NN有沒有可能得獎，我覺得不好說，說不定以後發生什麼。
不過如果給，也是給當初最早發明NN的那幾個人。
但是你說那些拿來調參的trick能不能獲獎，我覺得應該是不能的。除非有一天有人發明新的理論來給出了這些trick的理論保證，類似VC維之於SVM，那樣才能說不是絕對不可能。但是那也應該是給做出來那個理論的人。

深度學習對整個計算機學界的貢獻，我覺得現在還不是時候蓋棺定論，再過幾年或者十幾年才是可以評價的時候吧。

這些年所謂深度學習(Deep Learning)，其實是指多層的Neural Network(NN)、單層或多層的Restricted Boltzmann Machine(RBM)、Convolutional Neural Network(CNN)等，CNN其實是在NN的基礎上引入共享權重，pooling等技巧，是NN的簡單變種，而RBM是一種generative版本的NN。
不可否認上面三位對Deep Learning有重大貢獻，基本上奠定了NN的重新崛起(其中Hinton長年在NN上的堅持尤為重要)。但是，這三位要拿到圖靈獎有兩方面困難：
一是NN本身難以獲獎，NN屬於機器學習方向的內容，機器學習相關方面是有得過圖靈獎的，比如Leslie G. Valiant和Judea Pearl，Leslie Valiant的PAC理論是可學性方面的基礎理論，奠定了機器學習的基礎，而NN作為眾多的classification、regression工具之一，其地位與各種機器學習模型不相上下，比如SVM，Adaboost(boosting方面有諸多模型，Adaboost僅僅作為代表列出)，Random Forest，並且這些模型還有相應的泛化性保證，然而這些各種機器學習模型從學術角度看還不夠基礎，地位不如這兩點陣圖靈獎獲得者的基礎性工作，從價值上看很難獲得圖靈獎。
二是即使NN能夠獲獎，恐怕不會是這三位之一，NN的工作50年代就有，Frank Rosenblatt提出了感知機(wiki上提到的NN歷史比這個更早https://en.wikipedia.org/wiki/Artificial_neural_network#History)，Deep Learning畢竟就是NN，模型上沒有太多貢獻，總之，最早提出NN的並非這三位Deep Learning大佬。NN提出之初沒有足夠好的演算法用於求解多層的NN，後來出現了Back-Propagation(BP)演算法求解多層的NN，三位大佬中Hinton資歷最老，對BP演算法在NN中的應用有貢獻，而在他之前Paul Werbos才是最早提出BP演算法的人，假設NN方面的工作能夠獲得圖靈獎，Hinton由於競爭對手較強，獲獎有點困難。而Yann Lecun和Yoshua Bengio雖然是ML界大神，在NN方面貢獻比不上前面提到的諸位，較難有機會因為NN獲得圖靈獎。
總結一下回答題主的問題：
1. 『他們或他們之一能夠得圖靈獎嗎？』
貢獻不夠，恐怕很難。
2. 『也就是說深度學習的發展對整個計算機科學的貢獻大嗎？』
對機器學習模型的發展（尤其是NN的在崛起有貢獻），但是對於CS這麼廣泛的學科而言貢獻太小。

歡迎補充。

很同意@li Eta的回答。深度學習近年被炒得太火，以至於人們似乎都忘了，這無非就是神經網路，只是層數更多。斗膽說一句，上述三位研究者只是很努力地把NN做work了。但即使做work了，目前深度學習也存在大量沒有完善理論的東西，離圖靈獎差的還真不是一點點……

不能。
深度學習是一個系統性工程，發展的核心是算力，算力夠了才能談別的。深度學習的歷史是在算力不斷提高的過程中，由群眾們一點一點書寫的。雖然整個領域的發展對計算機科學乃至人類社會做出了巨大的貢獻，但是任何一個人很難分到足夠獲得圖靈獎的份額。
LeCun主要貢獻是在MNIST上用神經網路（LeNet）得出了不錯的結果（但是神經網路並不是他發明的）。
Hinton主要貢獻是早期參與了提出BP（但不是第一個），後來提出用autoencoder做預訓練，然後提出了Alexnet（超大號LeNet）。
Bengio涉獵廣泛，很難簡單概括他做了什麼。
這些貢獻都很重要，但是很難說哪一個是根本性的飛躍，基本都是在前人工作上的一步改進，所以拿圖靈獎是沒什麼希望的。
PS，如果一定要給誰發一個圖靈獎的話，我提議兩彈元勛黃仁勛。畢竟靠牙膏廠和按摩店，深度學習的發展至少要拖後三、五年。

第一個問題：得不了
第二個問題：貢獻很大
圖靈獎得主John Hopcroft在他的一次talk上說（大意）：我的學生們很羨慕我，說在我那個時代搞自動機的人是如此的少，感覺我隨隨便便寫本書就能長久暢銷，輕輕鬆鬆做些貢獻就能得圖靈獎。我回答他們說，是的，在自動機領域你們再也得不到像我這樣的機會了，但是沒關係，你們可以做deep learning。雖然deep learning可能無法為你們帶來圖靈獎，但是它是現在最好的研究方向之一。
順便說一下老爺子現在在上海交大當客座教授，他說去年的暑假學期時他在帶學生們跑auto-encoder。

大家都在說不能。我這邊立個flag: Hinton應該可以拿。至於為什麼，先不說吧，有人問再更。

都不可能。等把深度學習背後的理論整明白了再說。圖靈獎是Science，現在深度學習是Art

講道理這股機器學習熱是不是走歪了都很難說
至少十幾年後才說得明白

畢竟這波AI的上限在哪想必各位從業者心裡有B數
人類對AI的探索可不是最近幾年才大興的基礎理論沒重要突破圖靈獎要發也不是發給這幾個人

如果能提出什麼讓人信服的理論，那直接可以比肩老愛了，個人覺得這對人類的價值那就真不僅僅是個圖靈獎了。。
PS能搞出來的人真不會care什麼圖靈獎，大家不要想太多，都可以接近上帝了還需要什麼呢

不能！
在wiki上看一下最近5年的Turing Award:
2011 Judea Pearl
For fundamental contributions to artificial intelligence through the development of a calculus for probabilistic and causal reasoning.
2012 Silvio Micali Shafi Goldwasser
For transformative work that laid the complexity-theoretic foundations for the science of cryptography and in the process pioneered new methods for efficient verification of mathematical proofs in complexity theory.

2013 Leslie Lamport
For fundamental contributions to the theory and practice of distributed and concurrent systems, notably the invention of concepts such as causality and logical clocks, safety and liveness, replicated state machines, and sequential consistency.
2014 Michael Stonebraker
For fundamental contributions to the concepts and practices underlying modern database systems.
2015 Martin E. Hellman
Whitfield Diffie For fundamental contributions to modern cryptography. Diffie and Hellman"s groundbreaking 1976 paper, "New Directions in Cryptography,"[39]introduced the ideas of public-key cryptography and digital signatures, which are the foundation for most regularly-used security protocols on the internet today.
其中都特彆強調了fundamental contributions, theory/theoretical, concepts...
對於deep learning來講，what is its fundamental theory or concept? 或許NN可以算是deep learning一種fundamental的形式，這樣的話，就像熊辰炎所說，也應該發給NN最初的發明者。但是在theory方面，deep learning對於computer science甚至對於AI這一領域可確實沒啥可稱作fundamental contributions的了。
對於這三位傑出的scientist，他們真正的貢獻應該更多的是在practical層面，是他們不懈的努力，讓很多現實中原先很難解決的問題（比如語音識別，圖像識別等等），被NN或者說deep NN很好的解決了。就好比諾貝爾獎不會給愛迪生，但愛迪生改變了人類的生活一樣，圖靈獎和這三位之間或許完全不用互相奢求吧。

Turing Award 其實很奇葩，一個領域發了圖靈獎，就代表這個領域基本上已經死了，沒什麼好做的了。比如密碼學，自動機，分散式計算，與模型檢測。而且這個獎特別喜歡發給做理論的。我呢，恰恰相反，認為這世界上的絕大多數事情人類是不可能找到嚴格理論的。

這麼看來，不發給deep learning，也許反而是好事。
不過讓我驚訝的是Hinton, Lecun居然連ACM Fellow都不是。可見這個領域有多黑。

深度學習和圖靈獎能扯上關係的大概也就BP的發明了，其他都有些牛頭不對馬嘴的意味。說到底，深度學習對於「計算」這個概念本身沒有突出的貢獻，其成功也不依賴於計算理論的突破。不過深度學習是如此的火爆，假以時日出現專屬的最高榮譽是大概率的事情。

樓上諸位說不能，因為圖靈獎偏愛理論。那麼為什麼TCP/IP協議、C語言和Unix系統這些工程實踐成果能獲獎？

對Geoffrey Everest Hinton的深度挖掘
有人說當代的數學家譜系是一棵樹，根源基本都可追溯到歐拉、高斯等人頭上。那麼深度學習的譜系是什麼樣的呢？這裡以深度學習的鼻祖Geoffrey Everest Hinton為基點，挖掘一下Hinton的師承脈絡。
1.Geoffrey Everest Hinton，1947～，加拿大認知心理學家、計算機科學家。
2.Hugh Christopher Longuet-Higgins，1927～2004，英國化學家、認知學家。
3.Charles Alfred Coulson，1910～1974，英國應用數學家、化學家。

4.Sir John Edward Lennard-Jones，1894～1954，英國數學家、計算化學家。
5.Sir Ralph Howard Fowler，1889～1944，英國物理學家、天文學家。
6.Archibald Vivian Hill，1886～1977，英國生理學家。
7.Sir Walter Morley Fletcher，1873～1933，英國生理學家。
8.John Newport Langley，1852～1925，英國生理學家。
9.Sir Michael Foster，1836～1907，英國生理學家。
10.Thomas Henry Huxley，1825～1895，英國生物學家。
11.Thomas Wharton Jones，1808～1891，英國眼科醫生、生理學家。
12.William Mackenzie，1791～1868，英國眼科醫生。
13.Georg Joseph Beer，1763～1821，奧地利眼科醫生。

14.Joseph Barth，1746～1818，奧地利眼科醫生。
15.Anton von St?rck，1731～1803，奧地利醫師。
16.Gerard van Swieten，1700～1772，荷蘭裔奧地利醫師。
17.Herman Boerhaave，1668～1738，荷蘭植物學家、醫師。
18.Burchard de Volder，1643～1709，荷蘭自然哲學家。
19.Franciscus Sylvius，1614～1672，荷蘭醫師、化學家、生理學家、解剖學家。
20.Otto Heurnius，1577～1652，荷蘭醫師、神學家、哲學家。
21.Johannes Heurnius，1543～1601，荷蘭醫師、自然哲學家。
22.Hieronymus Fabricius，1537～1619，義大利解剖學家、外科醫生。
23.Gabriele Falloppio，1523～1562，義大利醫師、解剖學家。

24.Antonio Musa Brassavola，1500～1555，義大利醫師、解剖學家、植物學家。
25.Niccolò Leoniceno，1428～1524，義大利醫師、人類學家。
26.Pietro Roccabonella，這個人的生平以及之前的師承，在wiki上已經不可考證。
從上面的數據我們可以看出以下有趣的事實：
1.Hinton在英國讀書，卻在北美髮展，反映了大英帝國在二戰後的急劇衰落和瓦解。
2.在Fowler之前，這一派系主要和生理學、醫學相關，而和數理化關係不大。這體現了第二次工業革命對教育界的影響。
3.科技的中心經歷了義大利-&>荷蘭-&>奧地利-&>英國的改變，客觀反映了各國在不同時期的歷史發展狀況。

應該發給nvidia。

沒堅實理論基礎的東西不太可能

神經網路本身不是傳統計算機範疇，Hinton還得過2016年度IEEE/RSE James Clerk Maxwell Medal

一點都不大，理論上沒有突破性。
對比的看，提出svm的人有沒有拿圖靈獎？

這幾個數學理論不牢、演算法不精、愛搞概念、搞渾學術圈的人早晚會被歷史清算。

先立flag
絕對能拿
量變導致的質變，好多想像變成了可能
雖然理論沒啥突破，但是效果的確可以呀

推薦閱讀：

※數論在計算機科學中有哪些精彩的應用？
※本科程序猿應該著重於哪方面基礎的學習才能學到真才實學？
※計算機中的浮點數在數軸上分布均勻嗎？
※Rust目前有比較靠譜的IDE嗎？
※集線器和交換機的區別？

TAG:機器學習 | 計算機科學 | 深度學習DeepLearning | 圖靈獎 |