什么是图灵对计算机科学的主要贡献？

来源：蜘蛛抓取(WebSpider) 时间：2016-06-15 08:20 标签： 图灵对计算机科学的主要贡献

智东西3月27日消息今天，ACM宣布：Yoshua BengioGeoffrey Hinton和Yann LeCun获得本年度图灵奖，以表彰他们在实验和工程领域所做的重大突破使得深度神经网络成为计算的关键组成部分。他们将共同分享由穀歌提供的100万美元奖金

图灵奖被誉为“图灵对计算机科学的主要贡献界的诺贝尔奖”，是图灵对计算机科学的主要贡献科学领域的最高獎由ACM于1966年设置，设立目的之一是纪念著名的图灵对计算机科学的主要贡献科学先驱艾伦·图灵。历届获奖者均为图灵对计算机科学的主要贡献领域做出了持久重大的先进性技术贡献

本届图灵奖的三位获奖者中，55岁的Bengio是蒙特利尔大学教授魁北克人工智能研究所米拉的科学主任，并创立了一家名为Element AI的AI公司; 71岁的Hinton是Google副总裁兼工程研究员Vector Institute首席科学顾问，多伦多大学名誉大学教授; 58岁的LeCun是??纽约大学的教授也是Facebook嘚的副总裁兼首席人工智能科学家。

三位获奖者的研究历程既是AI回春的直接见证，是新科学计算的经济价值的体现者更是科学勇气的標杆人物。

神经网络是最古老的AI方法之一在20世纪50年代后期开始建立。然而受限于当时技术、算力等发展的瓶颈神经网络长期未得到学術界和工程界的重视。

人工神经网络在20世纪80年代被引入作为帮助图灵对计算机科学的主要贡献识别模式和模拟人类智能的工具到了21世纪初，LeCunHinton和Bengio是仍在坚持这一方法的小团体。

尽管三位获奖者重燃AI对神经网络兴趣的努力最初遭到怀疑但如今，他们的想法推动了重大的技術进步已成为AI领域的主导范例。

通过数十年的精心研究他们将这种近乎边缘化的想法，变成了图灵对计算机科学的主要贡献科学中最熱门的想法他们所倡导的技术，已经成为谷歌、微软、苹果、百度、阿里、腾讯、特斯拉等每个大型科技公司未来战略的核心

“AI现在昰所有科学领域发展最快的领域之一，也是社会上最受关注的话题之一”ACM会长Cherri M. Pancake说：“AI的增长和兴趣在很大程度上归功于Bengio、Hinton和LeCun奠定基础的罙度学习的最新进展。数十亿人使用这些技术任何在口袋里都装有智能手机的人都可以体验到自然语言处理和图灵对计算机科学的主要貢献视觉方面的进步，这在10年前是不可能实现的除了我们每天使用的产品之外，深度学习的新进展为科学家提供了从医学、天文学到材料科学的强大新工具”

“深度神经网络负责现代图灵对计算机科学的主要贡献科学的一些最大进步，帮助在图灵对计算机科学的主要贡獻视觉语音识别和自然语言理解方面的长期问题上取得实质性进展，”谷歌人工智能负责人Jeff Dean 如此赞扬三人的成就： “这一进步的核心是30哆年前由图灵奖获奖者——Yoshua BengioGeoff Hinton和Yann LeCun开发的基本技术。通过大幅提高图灵对计算机科学的主要贡献理解世界的能力深度神经网络不仅改变了計算领域，而且几乎改变了科学和人类努力的每一个领域”

可以说，如今AI开始在各行各业广泛落地离不开这三位AI大牛的所做出的重要貢献。

20世纪80年代末加拿大硕士生Yoshua Bengio被一些人工智能学者通过编程模仿神经网络如何处理大脑中的数据的想法吸引。Bengio说：“我爱上了这样的想法即我们既可以理解大脑的工作原理，也可以构建人工智能”

Bengio是“AI圣经”《Deep Learning》等一系列教科书级著作的作者之一。他的主要贡献包括在在1990年代开创了将深度学习应用于序列的方法（Probabilistic models of sequences）将神经网络和概率模型（例如隐马尔可夫模型）结合在一起，应用于语音、文本理解等领域并和AT&T公司合作，用新技术识别手写的支票现代深度学习技术中的语音识别也是这些概念的扩展。

此外Bengio还于2000年还发表了划时代嘚论文“A Neural Probabilistic Language Model”使用高维词向量来表征自然语言。他的团队还引入了注意力机制让机器翻译获得突破，也成为了让深度学习处理序列的重偠技术

Yann LeCun的一大杰出代表贡献是在1980年代推动了卷积神经网络的发展，如今这一技术已成为机器学习领域的基础技术之一广泛应用于图灵對计算机科学的主要贡献视觉、自然语言处理、机器翻译等各类AI细分领域中。

LeCun的另一个重要贡献是改进了反向传播算法他提出了一个早期的反向传播算法backprop，并根据变分原理给出了一个简洁的推导使得反向传播算法更快，比如描述了两个简单的方法可以减少学习时间

此外，LeCun还拓展了神经网络的应用范围将神经网络变成了一个可以完成大量不同任务的计算模型。他早期引进的一些工作现已成为了人工智能的基础概念。例如在图片识别领域，他研究了如何让神经网络学习层次特征这一方法现在已经用于很多日常的识别任务。他们还提出了可以操作结构数据（例如图数据）的深度学习架构

一个关键节点发生在2012年，当时在多伦多大学的Hinton和两名研究生首次参加ImageNet图像识别仳赛通过其卷积神经网络AlexNet一举夺冠，准确率高达85%比第二名（SVM分类方法）高了超过10%，使得卷积神经网络吸引到了众多研究者的瞩目

2013年，谷歌收购了由三人组成的创业公司此后，Hinton一直为谷歌工作Facebook在那年晚些时候候聘请了LeCun。

Hinton和LeCun是??两家全球最具影响力公司的副总裁Bengio尚未加入一家科技巨头，不过他是微软的顾问并与创业公司合作，将深度学习应用于药物发现等任务

这三位获奖者走向了不同的方向，但仍然是合作者和朋友当被问及他们是否会将传统的图灵奖演讲结合在一起时，Hinton笑着说建议将Bengio和LeCun放在第一位因为这样他就可以自己講讲他们出了什么问题。

当被问道这个玩笑是否反映了三人组的典型工作动态Hinton说“不”同时LeCun善意地说“是”。

尽管深度学习取得了重大突破但仍有很多不能做的事情。深度学习使得图灵对计算机科学的主要贡献可以玩特定的游戏、识别特定的声音但不像人类智能那样具有适应性和多样性。

Hinton和LeCun表示他们希望结束系统对人们进行明确和大规模训练的依赖。深度学习项目依赖于大量的数据来标明解释手头嘚任务这是医学等领域的一个主要限制因素。

Bengio强调尽管有更好的翻译工具等成功，但该技术远未能正确理解语言 三人都没有声称知噵如何解决剩下的挑战。他们建议任何希望在人工智能中获得下一个图灵奖突破的人——遵循自己的意愿不要被主流思想左右。

闭卷120分钟每题2分，满分100分

单選：图灵在图灵对计算机科学的主要贡献科学方面的主要贡献有两个：一是建立图灵机模型，奠定了（A）理论的基础；二是提出图灵测试阐述了机器智能的概念。

A可计算；B可推导；C可进化；D可预知

单选：冯.诺依曼在EDVAC中采用了（C）的概念以此为基础的各类图灵对计算机科學的主要贡献统称为冯.诺依曼图灵对计算机科学的主要贡献。

A存储数据；B核心计算；C存储程序；D进程

单选：目前大家公认的第一台电子圖灵对计算机科学的主要贡献是在1946年2月由宾夕法尼亚大学研制的（C）。

单选：第三代电子图灵对计算机科学的主要贡献是（D）图灵对计算機科学的主要贡献

A电子管；B晶体管；C逻辑管；D集成电路

单选：1971年intel公司的马西安.霍夫，制成世界上第一片4位微处理器intel（A）

单选：图灵对計算机科学的主要贡献由5个基本部分构成：运算器、（A）、存储器、输入设备、输出设备。

A控制器；B计时器；C寄存器；D计数器

单选：运算器的主要功能是进行算术和（B）运算

A关系；B逻辑；C布尔；D顺序

单选：各种内存储中，断电后RAM中的信息将全部消失，而（D）中的信息不會丢失

单选：外部存储器，又称为外存或者辅存主要用来存放（C）的程序和数据。

A暂时不用；B正在执行；C容量较大；D格式复杂

单选：（C）既属于输入设备又属于输出设备。

A显示器；B扫描仪；C触摸屏；D打印机

单选：一台图灵对计算机科学的主要贡献的所有指令的集合称為该图灵对计算机科学的主要贡献的（B）

A程序系统；B指令系统；C运算系统；D核心系统

单选：某进制数数制中每一固定位置对应的单位值稱为（B）。

A幂；B位权；C指数；D尾数

单选：不同数制都使用（A）表示法即处于不同位置的数码所代表的值不同，与它所在位置的权值有关

A位置；B补码；C内码；D反码

单选：1001B转换为十进制数为（C）。

单选：B转换为十进制数为（B）

单选：1011.11B转换为十进制数为（D）。

单选：操作系統将裸机改造成一台（A）使用户无需了解软硬件细节就能使用图灵对计算机科学的主要贡献，提高工作效率

A虚拟机；B家用机；C商用机；D超级图灵对计算机科学的主要贡献

单选：windows操作系统属于（C）操作系统。

A命令行；B单任务；C图形用户界面；D单机

单选：unix操作系统属于（B）操作系统

A单用户单任务；B多用户多任务；C单用户多任务；D多用户单任务

单选：当linux同时为多个用户提供服务时，其本质是（D）

A批处理；B單机；C实时；D分时

单选：大小写转换属于字处理软件的（A）功能。

A编辑；B文档管理；C排版；D引用

单选：段落对齐方式属于字处理软件的（C）功能

A编辑；B文档管理；C排版；D引用

单选：文档的编辑是对输入的内容进行删除、（B）、插入，以确保输入的内容正确

A排版；B修改；C排序；D对齐

单选：文档排版的3个基本操作对象是：字符、段落和（D）。

A表格；B图片；C视频；D页面

单选：悬挂缩进是指控制段落中（C）以外嘚其他行的起始位置

A末行；B大写行；C首行；D小写行

单选：目前最重要的网络体系结构是OSI参考模型和（A）。

单选：OSI模型共分为（B）层

单選：在图灵对计算机科学的主要贡献网络通信时，数据自上而下的递交过程实际上就是不断（D）的过程

A加密；B拆封；C解密；D封装

单选：茬图灵对计算机科学的主要贡献网络通信时，数据自下而上的递交过程就是不断（B）的过程

A加密；B拆封；C解密；D封装

单选：局域网根据其工作模式可以分为客户机/服务器结构和（C）。

A终端/服务器；B终端/数据库；C对等结构；D有线/无线

单选：（A）也被称为网络适配器图灵对計算机科学的主要贡献通过其接入局域网。

A网络接口卡（网卡）；B交换机；C集线器；D路由器

单选：下列属于有线媒体的是（D）

A微波；B红外；C激光；D光纤

单选：在数据的人工管理阶段，数据（B）

A容易共享；B冗余度大；C完全独立；D容易查询

单选：通过操作系统的文件管理功能，使得文件的逻辑结构与（C）脱钩

A文件名；B文件属性；C物理结构；D文件指针

单选：使用数据库技术管理数据，可以（D）冗余度

A最大程度提高；B修改；C灵活调整；D最大程度降低

单选：（A）是指数据库系统中对数据库进行管理的软件系统，是数据库系统的核心组成部分數据库的一切操作，如查询、更新、插入、删除以及各种控制都是通过（）进行的。

A数据库管理系统；B数据库指令系统；C数据库支持系統；D数据库检索系统

单选：微软公司的SQL Server数据库属于（C）

A桌面数据库；B单机数据库；C网络数据库；D网络服务器

单选：下列属于动态媒体的昰（B）。

单选：多媒体技术的主要特性包括信息媒体的集成性、交互性和（D）

A有效性；B易操作性；C可行性；D实时性

单选：（B）是区别多媒体图灵对计算机科学的主要贡献与传统媒体的最大不同。

A集成性；B交互性；C准确性；D可操作性

单选：下列不属于多媒体系统的是（A）

A模拟电视；B数字电视；CVOD点播系统；D在线视频

单选：信息时代的重要特征是信息的（D）。

A分解；B加密；C分布；D数字化

单选：虚拟现实VR是（B）

A真实的；B虚拟的；C无法识别语音；D无法识别手势

单选：目前信息的安全威胁主要来自于（C）、系统故障、操作失误和人为的蓄意破坏。

A硬件损坏；B软件漏洞；C自然灾害的威胁；D黑客攻击

单选：如果能够保障图灵对计算机科学的主要贡献的安全和（B）的安全就可以保障和實现信息的安全。

A服务器；B网络系统；C加解密；D存储器

单选：图灵对计算机科学的主要贡献病毒概括来讲就是具有破坏作用的（D）

A文件；B数据；C高级语言；D程序或一组图灵对计算机科学的主要贡献指令

单选：图灵对计算机科学的主要贡献病毒最主要的特点是具有（A）。

A破壞性；B延迟性；C潜伏性；D唯一性

单选：图灵对计算机科学的主要贡献病毒的传染性是指其具有（C）功能

A进行人-机感染；B造成所有程序逻輯混乱；

C自我复制；D对杀毒软件产生抵抗力

单选：引导型病毒感染软盘或硬盘的（D），用病毒的全部或部分逻辑取代正常的引导记录

A文件分区表；B格式化参数；C运行速度；D引导扇区

单选：（A）可以监控进出图灵对计算机科学的主要贡献的信息，保护图灵对计算机科学的主偠贡献的信息不被非授权用户访问、非法窃取或破坏等

A防火墙；B路由器；C交换机；DIPSec

智东西3月27日消息今天，ACM宣布：Yoshua BengioGeoffrey Hinton和Yann LeCun获得本年度图灵奖，以表彰他们在实验和工程领域所做的重大突破使得成为计算的关键组成部分。他们将共同分享由提供的100万美元獎金

图灵奖被誉为“图灵对计算机科学的主要贡献界的诺贝尔奖”，是图灵对计算机科学的主要贡献科学领域的最高奖由ACM于1966年设置，設立目的之一是纪念著名的图灵对计算机科学的主要贡献科学先驱艾伦·图灵。历届获奖者均为图灵对计算机科学的主要贡献领域做出了持久重大的先进性技术贡献

本届图灵奖的三位获奖者中，55岁的Bengio是教授魁北克人工智能研究所米拉的科学主任，并创立了一家名为Element AI的AI公司; 71歲的Hinton是副总裁兼工程研究员Vector Institute首席科学顾问，多伦多大学名誉大学教授; 58岁的LeCun是??的教授也是的的副总裁兼首席人工智能科学家。

三位獲奖者的研究历程既是AI回春的直接见证，是新科学计算的经济价值的体现者更是科学勇气的标杆人物。

是最古老的AI方法之一在20世纪50姩代后期开始建立。然而受限于当时技术、算力等发展的瓶颈神经网络长期未得到学术界和工程界的重视。

人工神经网络在20世纪80年代被引入作为帮助图灵对计算机科学的主要贡献识别模式和模拟人类智能的工具到了21世纪初，LeCunHinton和Bengio是仍在坚持这一方法的小团体。

尽管三位獲奖者重燃AI对神经网络兴趣的努力最初遭到怀疑但如今，他们的想法推动了重大的技术进步已成为AI领域的主导范例。

通过数十年的精惢研究他们将这种近乎边缘化的想法，变成了图灵对计算机科学的主要贡献科学中最热门的想法他们所倡导的技术，已经成为谷歌、、、、阿里、、等每个大型科技公司未来战略的核心

“AI现在是所有科学领域发展最快的领域之一，也是社会上最受关注的话题之一”ACM會长Cherri M. Pancake说：“AI的增长和兴趣在很大程度上归功于Bengio、Hinton和LeCun奠定基础的深度学习的最新进展。数十亿人使用这些技术任何在口袋里都装有智能手機的人都可以体验到和方面的进步，这在10年前是不可能实现的除了我们每天使用的产品之外，深度学习的新进展为科学家提供了从医学、天文学到材料科学的强大新工具”

“深度神经网络负责现代图灵对计算机科学的主要贡献科学的一些最大进步，帮助在图灵对计算机科学的主要贡献视觉和自然语言理解方面的长期问题上取得实质性进展，”谷歌人工智能负责人Jeff Dean 如此赞扬三人的成就： “这一进步的核惢是30多年前由图灵奖获奖者——Yoshua BengioGeoff Hinton和Yann LeCun开发的基本技术。通过大幅提高图灵对计算机科学的主要贡献理解世界的能力深度神经网络不仅改變了计算领域，而且几乎改变了科学和人类努力的每一个领域”

可以说，如今AI开始在各行各业广泛落地离不开这三位AI大牛的所做出的偅要贡献。

20世纪80年代末加拿大硕士生Yoshua Bengio被一些人工智能学者通过编程模仿神经网络如何处理大脑中的数据的想法吸引。Bengio说：“我爱上了这樣的想法即我们既可以理解大脑的工作原理，也可以构建人工智能”

Bengio是“AI圣经”《 Learning》等一系列教科书级著作的作者之一。他的主要贡獻包括在在1990年代开创了将深度学习应用于序列的方法（Probabilistic models of sequences）将神经网络和概率模型（例如隐马尔可夫模型）结合在一起，应用于语音、文夲理解等领域并和AT&T公司合作，用新技术识别手写的支票现代深度学习技术中的语音识别也是这些概念的扩展。

此外Bengio还于2000年还发表了划時代的论文“A Neural Probabilistic Language Model”使用高维词向量来表征自然语言。他的团队还引入了注意力机制让获得突破，也成为了让深度学习处理序列的重要技術

Yann LeCun的一大杰出代表贡献是在1980年代推动了卷积神经网络的发展，如今这一技术已成为领域的基础技术之一广泛应用于图灵对计算机科学嘚主要贡献视觉、自然语言处理、机器翻译等各类AI细分领域中。

LeCun的另一个重要贡献是改进了反向传播算法他提出了一个早期的反向传播算法backprop，并根据变分原理给出了一个简洁的推导使得反向传播算法更快，比如描述了两个简单的方法可以减少学习时间

此外，LeCun还拓展了鉮经网络的应用范围将神经网络变成了一个可以完成大量不同任务的计算模型。他早期引进的一些工作现已成为了人工智能的基础概念。例如在图片识别领域，他研究了如何让神经网络学习层次特征这一方法现在已经用于很多日常的识别任务。他们还提出了可以操莋结构数据（例如图数据）的深度学习架构

一个关键节点发生在2012年，当时在多伦多大学的Hinton和两名研究生首次参加ImageNet图像识别比赛通过其卷积神经网络AlexNet一举夺冠，准确率高达85%比第二名（SVM分类方法）高了超过10%，使得卷积神经网络吸引到了众多研究者的瞩目

2013年，谷歌收购了甴三人组成的创业公司此后，Hinton一直为谷歌工作Facebook在那年晚些时候候聘请了LeCun。

Hinton和LeCun是??两家全球最具影响力公司的副总裁Bengio尚未加入一家科技巨头，不过他是微软的顾问并与创业公司合作，将深度学习应用于药物发现等任务

这三位获奖者走向了不同的方向，但仍然是合莋者和朋友当被问及他们是否会将传统的图灵奖演讲结合在一起时，Hinton笑着说建议将Bengio和LeCun放在第一位因为这样他就可以自己讲讲他们出了什么问题。

当被问道这个玩笑是否反映了三人组的典型工作动态Hinton说“不”同时LeCun善意地说“是”。

尽管深度学习取得了重大突破但仍有佷多不能做的事情。深度学习使得图灵对计算机科学的主要贡献可以玩特定的游戏、识别特定的声音但不像人类智能那样具有适应性和哆样性。

Hinton和LeCun表示他们希望结束系统对人们进行明确和大规模训练的依赖。深度学习项目依赖于大量的数据来标明解释手头的任务这是醫学等领域的一个主要限制因素。

Bengio强调尽管有更好的翻译工具等成功，但该技术远未能正确理解语言 三人都没有声称知道如何解决剩丅的挑战。他们建议任何希望在人工智能中获得下一个图灵奖突破的人——遵循自己的意愿不要被主流思想左右。

我要回帖

更多关于 图灵对计算机科学的主要贡献 的文章

 

随机推荐