Category: AI名人堂

体育界篮球运动有个无人不知的迈克尔·乔丹，而机器学习领域同样有一位迈克尔·乔丹。

Michael Jordan的简介

Michael Irwin Jordan（生于1956年2月25日）是一位美国科学家，加州大学伯克利分校教授，机器学习、统计学和人工智能领域的研究专家。由于在机器学习的基础和应用方面的贡献，Jordan在2010年被选为美国国家工程院院士。

Michael Jordan是机器学习的领军人物之一，2016年《科学》杂志报道他是世界上最有影响力的计算机科学家。

2022年，Michael Jordan获得了首届WLA计算机科学或数学奖，”以表彰他对机器学习的基础及其应用的基本贡献”。

教育经历

Michael Jordan于1978年在路易斯安那州立大学以优异成绩获得心理学学士学位，1980年在亚利桑那州立大学获得数学硕士学位，1985年在加州大学圣地亚哥分校获得认知科学博士学位。在加州大学圣地亚哥分校，Jordan是大卫-鲁梅尔哈特的学生，在1980年代是平行分布处理（PDP）小组的成员。

工作和研究

Michael Jordan是加州大学伯克利分校的特聘教授，他主要在该校教授EECS和统计学。1988年至1998年，他曾在麻省理工学院脑与认知科学系担任教授。他的研究兴趣横跨计算、统计、认知、生物和社会科学。

在20世纪80年代，Jordan开始开发循环神经网络作为认知模型。近年来，他的工作较少从认知角度驱动，而更多地从传统统计学的背景出发。

Jordan在机器学习界普及了贝叶斯网络，并以指出机器学习和统计学之间的联系而闻名。他在近似推理的变异方法的形式化和机器学习中期望最大化算法的普及方面也有着突出贡献。

获奖和荣誉

• 2004年，国际数理统计学会勋章讲座讲师
• 2009年，ACM/AAAI艾伦·纽厄尔奖（美国计算机协会ACM、美国人工智能促进会AAAI ）
• 2010年，美国国家科学院院士
• 2010年，美国国家工程院院士
• 2011年，美国人文与科学院院士
• 2015年，鲁梅尔哈特奖（国际认知科学学会CSS）
• 2016年，国际人工智能联合会议卓越研究奖（IJCAI）
• 2020年，约翰·冯·诺依曼奖（电气与电子工程师协会IEEE）
• 2021年，米切尔奖（国际贝叶斯分析学会，ISBA）
• 2021年，乌尔夫·格林纳德随机理论与建模奖（美国数学会, AMS）
• 2022年，国际数理统计学会首届格雷丝·沃赫拜讲座讲师
• 2022年，世界顶尖科学家协会奖智能科学或数学奖

个人简介

李飞飞（英文名：Fei-Fei Li），生于1976年，是一位华裔美国计算机科学家，因建立ImageNet而闻名，该数据集使计算机视觉在2010年代取得了快速发展。

她是斯坦福大学计算机科学的红杉资本教授，也是Twitter的前董事会董事。李飞飞是斯坦福HAI研究院的联合主任，也是斯坦福视觉和学习实验室的联合主任。2013年至2018年，她担任斯坦福人工智能实验室（SAIL）的主任。

2017年，她共同创立了AI4ALL，一个致力于提高人工智能领域多样性和包容性的非营利组织。她的研究专长包括人工智能（AI）、机器学习、深度学习、计算机视觉和认知神经科学。

由于在为机器学习和视觉理解建立大型知识库方面的贡献，李飞飞在2020年当选为美国国家工程院（NAE）成员。她也是美国国家医学院（NAM）和美国艺术与科学学院（AAAS）的成员。

早期和教育经历

李飞飞于1976年出生在北京，在成都长大。12岁时，她的父亲搬到了美国。15岁时，她和她的母亲在新泽西州的帕西帕尼-特洛伊山与父亲团聚。她于1995年毕业于帕西帕尼高中，2017年她入选了帕西帕尼高中的名人堂。

1999年，她以优异的成绩毕业于普林斯顿大学，获得物理学学士学位以及应用与计算数学和工程物理学证书，在电子工程教授布拉德利-迪金森的指导下，她完成了题为「Auditory Binaural Correlogram Difference: A New Computational Model for Huggins Dichotic Pitch」的毕业论文。随后，李飞飞在加州理工学院攻读研究生课程，并于2005年获得了电子工程博士学位。

工作经历

从2005年到2009年8月，李飞飞分别在伊利诺伊大学厄巴纳-香槟分校的电子和计算机工程系和普林斯顿大学的计算机科学系担任助理教授。她于2009年加入斯坦福大学，担任助理教授，2012年晋升为终身副教授，2017年晋升为全职教授。在斯坦福大学，李飞飞于2013年至2018年担任斯坦福人工智能实验室（SAIL）主任。她与斯坦福大学前教务长约翰-埃切门迪博士一起，成为斯坦福大学的大学级倡议–以人为本的人工智能研究院（HAI）的创始联合主任 。

在2017年1月至2018年秋季从斯坦福大学休假期间，李飞飞加入了谷歌云，担任其人工智能/机器学习的首席科学家和副总裁。在谷歌，她的团队专注于人工智能技术的民主化，降低企业和开发者的准入门槛，包括AutoML等产品的发展。2018年秋天，李飞飞离开谷歌，回到斯坦福大学继续她的教授职位。

作为非营利组织AI4ALL的联合创始人和主席，李飞飞也因其非营利工作而闻名，该组织的使命是通过以人为本的人工智能原则促进多样性和包容性，教育下一代人工智能技术专家、思想家和领导人。

在2017年建立AI4ALL之前，李飞飞和她以前的学生Olga Russakovsky（目前是普林斯顿大学的助理教授）在斯坦福大学共同创立并共同指导了名为SAILORS（Stanford AI Lab OutReach Summers）的先导项目。SAILORS是斯坦福的年度夏令营，致力于九年级高中女生的AI教育和研究，成立于2015年，直到2017年改名为AI4ALL @Stanford。2018年，除了斯坦福大学，AI4ALL又成功推出了五个暑期项目，包括普林斯顿大学、卡内基梅隆大学、波士顿大学、加州大学伯克利分校和加拿大的西蒙弗雷泽大学。

吴恩达个人简介

吴恩达（Andrew Yan-Tak Ng），（1976年 – ）英国出生的美国计算机科学家和技术企业家，专注于机器学习和人工智能（AI）。吴恩达是谷歌大脑的联合创始人和负责人，并曾是百度的首席科学家，将百度的人工智能小组建设成一个数千人的团队。

吴恩达是斯坦福大学的兼职教授（曾任副教授和斯坦福人工智能实验室或SAIL主任）。作为Coursera和deeplearning.ai的联合创始人，吴恩达也对在线教育领域做出了巨大贡献。他带头做出了许多努力，通过他的在线课程教授了超过250万名学生学习机器学习和深度学习。他是世界上最著名和最具影响力的计算机科学家之一，在2012年被《时代》杂志评为100位最具影响力的人物之一，并在2014年被《Fast Company》评为最具创造力的人物。2018年，他发起了人工智能基金，目前是该基金的负责人，最初是一个1.75亿美元的投资基金，用于支持人工智能初创企业。他创办了Landing AI，提供由人工智能驱动的SaaS产品。

成长经历

吴恩达于1976年出生在英国，他的父母 Ronald P. Ng 和 Tisa Ho 都是移民自中国香港。在成长过程中，他在香港和新加坡度过了一段时间，后来于1992年毕业于新加坡莱佛士学院。

1997年，他在宾夕法尼亚州匹兹堡的卡内基梅隆大学获得本科学位，主修计算机科学、统计学和经济学三个专业，以全班第一名的成绩毕业。1996年至1998年间，他还在 AT&T 贝尔实验室进行了强化学习、模型选择和特征选择的研究。

1998年，Andrew 在马萨诸塞州剑桥市的麻省理工学院（MIT）获得了他的硕士学位。在麻省理工学院，他为网络上的研究论文建立了第一个公开的、自动索引的网络搜索引擎，是CiteSeerX/ResearchIndex的前身，但专门用于机器学习。

2002年，他获得了加州大学伯克利分校的哲学博士学位，导师是Michael I. Jordan。他的论文题目是 “强化学习中的塑造和策略搜索”，至今仍被广泛引用。他于2002年开始在斯坦福大学担任助理教授，并于2009年担任副教授。

学术和工作经历

吴恩达是斯坦福大学计算机科学和电子工程系的教授，他曾担任斯坦福大学人工智能实验室（SAIL）的主任，在那里，他为学生授课并开展与数据挖掘、大数据和机器学习有关的研究。他在斯坦福大学开设的机器学习课程CS229是校园内最受欢迎的课程，有些年份有超过1000名学生报名参加。截至2020年，Coursera上最受欢迎的课程中有三门是吴恩达主讲的： 《机器学习》（第1名）、《给所有人的AI课》（第5名）、《神经网络和深度学习》（第6名）。

2008年，他在斯坦福大学的小组是美国最早开始倡导在深度学习中使用GPU的小组之一。其理由是，高效的计算基础设施可以将统计模型的训练速度提高几个数量级，改善与大数据相关的一些扩展问题。在当时，这是一个有争议、有风险的决定，但从那时起，在吴恩达的带领下，GPU已经成为该领域的基石。自2017年以来，吴恩达一直倡导转向高性能计算（HPC），以扩大深度学习的规模，加速该领域的进展。

2012年，他与斯坦福大学计算机科学家 Daphne Koller 共同创立了Coursera，并担任首席执行官，这是一个向所有人提供免费在线课程的网站。成立之初，便有超过10万名学生注册了他的热门CS229A课程。今天，有数百万人注册了Coursera课程，使该网站成为全球领先的大规模开放式在线课程（MOOCs）之一。

2011年至2012年，他在谷歌工作，与Jeff Dean、Greg Corrado和Rajat Monga一起创立并指导 Google Brain（谷歌大脑）的深度学习项目。

2014年，他加入百度，担任首席科学家，开展与大数据和人工智能有关的研究。在那里，他成立了几个研究团队，如面部识别和用于医疗保健的人工智能聊天机器人Melody。2017年3月，他宣布从百度离职。

不久之后，他推出了Deeplearning.ai，一个在线的深度学习系列课程。然后，吴恩达推出了Landing AI，提供人工智能驱动的SaaS产品。

2018年1月，吴恩达公布了AI基金，筹集了1.75亿美元来投资新的创业公司。2021年11月，Landing AI获得了由McRock Capital领投的5700万美元A轮融资，以帮助制造商应用计算机视觉。

获奖和荣誉

• 贝尔大西洋网络服务奖学金（1995年）
• 微软技术奖学金（1995和1996年）
• 安德鲁·卡内基学会奖学金（1996年）
• 伯克利奖学金（1998-2000年）
• 微软研究奖学金（2001年至2002年）
• Alfred P. Sloan研究奖学金斯隆基金会教员奖学金（2007年）
• 《麻省理工学院技术评论》，35位35岁以下的创新者（TR35）（2008年）
• 国际人工智能计算机与思想奖（35岁以下研究人员获得的人工智能最高奖项）（2009年）
• Vance D. & Arlene C. Coffman学院学者奖（2009年）
• 《时代》杂志100位最具影响力人物（2013年）
• 《财富》杂志40位40岁以下商界精英（2013年）
• 《Fast Company》最具创造力的商业人士（2014年）
• 世界经济论坛全球青年领袖（2015年）

Ian J. Goodfellow（生于1985年或1986年）是一位美国计算机科学家、工程师和高管，最著名的是他在人工智能神经网络和深度学习方面的工作。他之前曾担任谷歌大脑的研究科学家和苹果公司的机器学习主管，并在深度学习领域做出了几项重要贡献，包括生成式对抗网络（GAN）的发明。Goodfellow与人合著了被誉为AI圣经的教科书《深度学习》（2016年），并在人工智能领域最受欢迎的教科书《人工智能：现代方法》中撰写了关于深度学习的章节（在135个国家的1500多所大学中使用）。

教育经历

Ian Goodfellow在吴恩达（Andrew Ng）（谷歌大脑联合创始人兼负责人、Coursera联合创始人）的指导下获得了斯坦福大学的计算机科学学士和硕士学位，并于2014年4月在约书亚·本希奥（Yoshua Bengio）和亚伦·库维尔（Aaron Courville）的指导之下获得了蒙特勒大学的机器学习博士学位。Goodfellow的论文题目是表征的深度学习及其在计算机视觉中的应用。

工作经历

毕业后，Goodfellow加入谷歌，成为谷歌大脑研究团队的一员。2016年3月，他离开谷歌，加入新成立的OpenAI研究实验室。仅仅11个月后，即2017年3月，Goodfellow重返谷歌研究，但在2019年再次离职。

2019年，Goodfellow加入苹果公司，担任特别项目组的机器学习主管。他于2022年4月从苹果公司辞职，以抗议苹果公司要求员工亲自工作的计划。Goodfellow随后加入DeepMind，成为一名研究科学家。

Goodfellow最出名的是发明了生成式对抗网络（GAN），利用深度学习生成图像。这种方法使用两个神经网络来竞争性地提高图像的质量。“生成器”网络基于初始图像集（如人脸集合）创建合成图像。“判别器”网络试图检测生成器的输出是真的还是假的。然后重复生成检测循环。对于每次迭代，生成器和判别器使用对方的反馈来改进或检测生成的图像，直到判别器无法再区分对手生成的赝品和真品。创建高质量生成图像的能力迅速提高。然而，它的恶意滥用也是如此，用来创建deepfakes和生成基于视频的虚假信息。

在谷歌，Goodfellow开发了一个系统，使谷歌地图能够自动转录街景汽车拍摄的照片中的地址，并展示了机器学习系统的安全漏洞。

Yann André LeCun（中文名杨立昆）（1960年7月8日－）是一位法国计算机科学家，主要从事机器学习、计算机视觉、移动机器人和计算神经科学领域的工作。他是纽约大学Courant数学科学研究所的Silver教授，也是Meta（Facebook）的副总裁兼首席人工智能科学家。

他以使用卷积神经网络（CNN）进行光学字符识别和计算机视觉方面的工作而闻名，是卷积网络的创始人。他也是DjVu图像压缩技术的主要创造者之一（与Léon Bottou和Patrick Haffner一起）。他与Léon Bottou共同开发了Lush编程语言。

LeCun与Yoshua Bengio和Geoffrey Hinton一起获得了2018年图灵奖（通常被称为“计算机领域的诺贝尔奖”），以表彰他们在深度学习方面的工作。这三位有时被称为“人工智能之父”和“深度学习之父”。

生平介绍

杨立昆于1960年生于法国巴黎附近，1983年在巴黎电子工程师高等学校获得了工程师学位，1987年在巴黎第六大学获得计算机科学博士学位。博士就读期间，他提出了神经网络的反向传播算法学习算法的原型。随后到多伦多大学在Geoffrey Hinton的指导下完成了博士后工作。

1988年，杨立昆加入位于美国新泽西州的霍姆德尔镇区的贝尔实验室的自适应系统研究部门。实验室的领导是Lawrence D. Jackel，在此，他开发了很多新的机器学习方法，比如图像识别的模型称为卷积神经网络、Optimal Brain Damage（最优脑损伤方法）以及Graph Transformer Networks（图网络模型）方法（类似于条件随机域），他将其应用到手写识别和OCR中。

他协助开发的银行支票识别系统被NCR和其他的公司广泛使用，该系统读取了20世纪90年代末至21世纪初全美国超过10％的支票。

1996年，他加入了AT&T实验室，成为图像处理研究部门的领导，这个部门是Lawrence Rabiner领导的语音和图像处理研究实验室的一部分，主要工作是DjVu图像压缩技术，被以互联网档案馆为首的网站使用，用来发布扫描的文档。他的AT&T同事包括Léon Bottou和弗拉基米尔·瓦普尼克。

2012年，他成为了纽约大学数据科学中心的创建主任。2013年12月9日，杨立昆成为位于纽约的Facebook（现Meta）人工智能研究院的第一任主任，2014年初期逐步退出了NYU-CDS的领导层。

你可以访问他的个人网站http://yann.lecun.com/了解其更多信息

Yoshua Bengio（1964年3月5日－）是一位加拿大计算机科学家，以其在人工神经网络和深度学习方面的工作而闻名。他是蒙特利尔大学计算机科学与运筹学系教授，也是蒙特利尔学习算法研究所（MILA）的科学主任。

Bengio与Geoffrey Hinton和Yann LeCun一起获得了2018年ACM A.M.图灵奖，以表彰他们在深度学习方面的工作。Bengio、Hinton和LeCun有时被称为“人工智能之父”和“深度学习之父”。

早期和教育经历

Bengio出生于法国的一个犹太家庭，他们从摩洛哥移民到法国，然后再次移民到加拿大。他在麦吉尔大学获得了理学学士学位（电气工程）、医学博士学位（计算机科学）和博士学位（电脑科学）。

Bengio是Samy Bengio的兄弟，他曾是谷歌的科学家。Bengio兄弟在父亲在摩洛哥服役期间在摩洛哥生活了一年。他的父亲Carlo Bengio是一名药剂师，曾创作戏剧作品，并在蒙特利尔经营着一个塞法迪剧团，该剧团演奏犹太-阿拉伯作品。他的母亲塞莉亚·莫雷诺（Célia Moreno）也是一名艺术家，曾在20世纪70年代由塔耶布·塞迪基（Tayeb Seddiki）经营的摩洛哥主要戏剧场景中扮演过角色。

生平和研究领域

博士毕业后，Bengio在麻省理工学院（由Michael I.Jordan监督）和AT&T贝尔实验室担任博士后。Bengio自1993年以来一直是蒙特利尔大学的教员，蒙特利尔学习算法研究所（MILA）负责人，也是加拿大高等研究所机器与大脑学习项目的联合主任。

Cade Metz认为，Bengio与Geoffrey Hinton和Yann LeCun一起，是20世纪90年代和21世纪初对深度学习发展最具贡献的三个人之一。根据MILA的数据，在h指数至少为100的计算机科学家中，Bengio是每天被引用次数最多的一个。

2016年10月，Bengio与人共同创立了Element AI，这是一家总部位于蒙特利尔的人工智能孵化器，将人工智能研究转化为现实世界的商业应用。由于未能开发出适销对路的产品，并失去了几家合作伙伴，到2020年，该公司的资金和选择权都用完了，并于11月宣布将其出售给美国软件公司ServiceNow。此次出售将主要由加拿大纳税人资助的知识产权出口到美国，这与Bengio希望Element AI成为一家加拿大公司来与世界科技巨头竞争的愿望背道而驰。

2017年5月，Bengio宣布加入总部位于蒙特利尔的法律科技初创公司Botler AI，担任战略顾问。

Bengio目前担任Recursion Pharmaceuticals的科学和技术顾问和Valence Discovery的科学顾问。

奖项和荣誉

• A.M.图灵奖（2018年）
• 基拉姆自然科学奖（2018年）
• 伦敦皇家学会会员（2020年）
• 加拿大皇家学会会员（2017年）
• 法国荣誉军团骑士（2022年）
• 加拿大勋章会员（2017年）
• IEEE CIS神经网络先锋奖（2019年）

如果你是开发人员的话，我想你应该听说过数不清的关于Jeff Dean大牛的笑话，其中最广为流传的便是“编译器从来不给Jeff编译警告，而是Jeff警告编译器”、“所有指针都是指向Jeff的”，这足以侧面印证出Jeff Dean的实力。

Jeffrey Adgate（Jeff Dean）（1968年7月23日－）是一位美国计算机科学家和软件工程师，自2018年以来，他一直领导着谷歌人工智能部门Google AI，你可以在谷歌的官方网站了解其更多简介https://research.google/people/jeff/

教育经历

Jeff Dean于1990年以优异成绩获得明尼苏达大学计算机科学和经济学学士学位，他于1996年获得华盛顿大学计算机科学博士学位，在Craig Chambers的指导下研究面向对象编程语言的编译器和全程序优化技术。他于2009年当选为美国国家工程院院士，该院表彰了他在“大规模分布式计算机系统的科学与工程”方面的工作。

工作经历

在加入谷歌之前，Dean曾在DEC/Compaq的西部研究实验室工作，在那里他从事分析工具、微处理器体系结构和信息检索方面的工作。在研究生院之前，他曾在世界卫生组织的全球艾滋病规划署工作，开发用于艾滋病毒/艾滋病疫情统计建模和预测的软件。

Jeff于1999年年中加入谷歌，目前是谷歌人工智能部门的负责人。在谷歌工作期间，他设计并实现了该公司的大部分广告、爬虫、索引和查询服务系统，以及作为谷歌大多数产品基础的分布式计算基础设施。在不同时期，他还致力于提高搜索质量、统计机器翻译和内部软件开发工具，并在工程招聘过程中发挥了重要作用。

Jeff也是谷歌大脑（Google Brain）的早期成员，谷歌大脑是一个研究大规模人工神经网络的团队，自人工智能从谷歌搜索中分离出来以来，他一直领导谷歌人工智能的工作。

Jeff参与的项目

1. Spanner，一个可扩展、多版本、全局分布式和同步复制的数据库
2. 谷歌翻译的一些生产系统设计和统计机器翻译系统
3. 大型半结构化存储系统Bigtable
4. MapReduce，一个用于大规模数据处理应用程序的系统
5. LevelDB，一个开源的磁盘键值存储
6. DistBelief，一个用于深度神经网络的专有机器学习系统，最终被重构为TensorFlow
7. TensorFlow，一个开源的机器学习软件库

Jeff的研究领域

杰弗里·埃弗里斯特·辛顿，（英语：Geoffrey Everest Hinton，1947年12月6日－），英国出生的加拿大计算机学家和心理学家，多伦多大学教授。以其在类神经网络方面的贡献闻名。Hinton是反向传播算法和对比散度算法的发明人之一，也是深度学习的积极推动者，被誉为“深度学习之父”。Hinton因在深度学习方面的贡献与 Yoshua Bengio（约书亚·本希奥）和 Yann LeCun（杨立昆）一同被授予了2018年的图灵奖。

教育经历

Hinton于1970年在英国剑桥大学获得实验心理学学士学位。此后于1978年在爱丁堡大学获得人工智能博士学位。此后曾在萨塞克斯大学、加州大学圣迭戈分校、剑桥大学、卡内基梅隆大学和伦敦大学学院工作。他是盖茨比计算神经科学中心的创始人，目前担任多伦多大学计算机科学系教授。Hinton是机器学习领域的加拿大首席学者，也是加拿大高等研究院赞助的“神经计算和自适应感知”项目的领导者。Hinton在2013年3月加入Google，同时Google并购了他创办的DNNresearch公司。你可以在Google Research上了解其更多信息，https://research.google/people/GeoffreyHinton/

研究成果

Hinton的研究调查了将神经网络用于机器学习、记忆、感知和符号处理的方法，他撰写或与人合著了200多篇同行评审的出版物。在2022年神经信息处理系统大会（NeuRIPS）上，Hinton介绍了一种新的神经网络学习算法，他称之为“Forward-Forward”算法。新算法的思想是用两个正向通路取代反向传播的传统正向-反向通路，一个具有正（即真实）数据，另一个具有负数据，这可以由网络本身生成。

Hinton在卡内基梅隆大学担任教授期间（1982-1987），David E.Rumelhart和Hinton以及Ronald J.Williams将反向传播算法应用于多层神经网络。他们的实验表明，这种网络可以学习有用的数据内部表示。在2018年的一次采访中，Hinton表示，“David E.Rumelhart提出了反向传播的基本想法，所以这是他的发明。”尽管这项工作对推广反向传播很重要，但他并不是第一个提出这种方法的人。Seppo Linnainmaa于1970年提出了反向模式自动微分，反向传播是其中的一个特例，Paul Werbos于1974年提出使用它来训练神经网络。

在同一时期，Hinton与David Ackley和Terry Sejnowski共同发明了玻尔兹曼机。他对神经网络研究的其他贡献包括分散表示、时延神经网络、专家混合系统和亥姆霍兹机器。2007年，Hinton与人合著了一篇无监督学习论文，题为图像转换的无监督学习。Hinton的研究简介可以在他1992年9月和1993年10月发表在《科学美国人》上的文章中找到。

获奖荣誉

• 美国人工智能协会会士（1990）
• 皇家学会会士（1998）
• 鲁梅尔哈特奖（2001）
• IJCAI优秀研究奖（2005）
• IEEE弗兰克·罗森布拉特奖（2014）
• 詹姆斯·克拉克·马克士威奖章（2016）
• BBVA基金会知识前沿奖（2016）
• 图灵奖（2018）
• 阿斯图里亚斯亲王奖（2022）