吴恩达眼中深度学习七剑客,你都认识吗？

毫无疑问，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极为有效的，如视觉处理、语音和音频处理、自然语言处理、机器人技术等。

就在8月份，吴恩达在他新创建的网站 deeplearning.ai 发布了一系列主题为“ The Heros in Deep Learning ”的访谈视频。吴恩达面对面采访了七位大神，热心人士整理了这七位大神的基本情况，这里汇总了一下，拿出来供大家学习！

Geoffrey Hinton

Geoffrey Hinton 是一位在英国出生的计算机学家，其在神经网络方面的贡献起到了奠基作用，因为被称为“神经网络之父”，他是第一批使用广义反向传播算法研究人员之一。Geoffrey Hinton 是反向传播算法和对比散度算法的发明人之一，也是深度学习的有力推动者，目前供职于多伦多大学与 Google。作为人工智能领域的奠基人之一，截止到 2016 年 11 月，Geoffrey Hinton 的署名文章报告共计超过300 篇。尽管如此，他经历了人工智能的衰落期，甚至连导师都不看好，但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。

Ian Goodfellow

Ian Goodfellow 是 Google 研究员，与他人合著了《Deep Learning》 教科书，该书在github上有正版电子书。他最受瞩目的成就是他提出了生成对抗网络 ( GAN )，从提出以后一直是热门的课题。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。

Yoshua Bengio

Yoshua Bengio 是 微软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奠基人之一，也是经典图书《Learning Deep Architectures for AI》的作者。Yoshua Bengio 与 Geoff Hinton 以及 Yann LeCun 教授一起引领了 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！

Andrej Karpathy

Andrej Karpathy 读博期间师从现任谷歌首席科学家李飞飞，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。此外，他还是特斯拉的AI首次专家，特斯拉为人所知的自动驾驶就是由他主导的！

Pieter Abbeel

Pieter Abbeel的导师是 Andrew Ng。主要研究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。

Ruslan Salakhutdinov

Ruslan Salakhutdinov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.006 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,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。

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”,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。