近年來，人工智慧熱度持續走高。從 2016 年 Alpha Go 打敗人類圍棋高手到 2019 年的 L3 級無人駕駛技術的落地，這些 AI 技術發展的背後一批批為技術革新前赴後繼、默默付出的學者和研究團隊，因此，我們做了這樣一篇文章來盤點迄今為止人工智慧領域最具影響力的傑出代表，鳴謝技術先驅們在探索未知技術發展過程中披荊斬棘留下的寶貴財富，讓我們站在巨人的肩膀上看得更高、走得更遠。
Alan Turing
艾倫·圖靈（Alan Turing）出生於英國倫敦邁達維爾，被廣泛地認為是「計算機科學和人工智慧之父」。1931 年到 1934 年間他在劍橋國王學院攻讀本科，並在那裡獲得了數學一等獎。1936 年至 1938 年，圖靈在普林斯頓大學學習，並於該校數學系取得博士學位。
入圍理由：
這裡想用圖靈自己曾說過的一句話來總結他為計算機科學和人工智慧所做出的貢獻：有時候，正是那些意想不到之人，成就了無人能成之事。的確，他所成就的也的確是無人能成之事。1936 年，圖靈發表了一篇題為「論數字計算在決斷難題中的應用」的文章。文章中，圖靈給「可計算性」下了一個嚴格的數學定義，並提出了「圖靈機」（Turing Machine）的設想。「圖靈機」不是一種具體的機器，而是一種思想模型，可製造一種十分簡單但運算能力極強的計算裝置，用來計算所有能想像得到的可計算函數。自此，「圖靈機」這一概念被永久地載入計算機發展史中。1950 年，圖靈提出的一個關於判斷機器是否能夠思考的思想實驗，這也是後來影響了計算機發展進程的「圖靈測試（Turing test）」。測試的目的是為了檢驗某機器是否能表現出與人等價或無法區分的智能，這也是人工智慧最早的思想雛形。1966 年，為表彰他在計算機領域的傑出貢獻，特以他的名字設立了該領域內的最高獎項——計算機界的諾貝爾獎——圖靈獎。
圖靈英格蘭銀行行長 Mark Carney 曾這樣評價圖靈：「作為計算機科學和人工智慧之父，以及戰爭英雄，艾倫·圖靈的貢獻是偉大的，他是開路的先鋒。圖靈就像是巨人的肩膀，為很多後來者提供了更高的發展平臺。因為這些偉大的貢獻，他即將登上 50 英鎊的新鈔，取代蒸汽機先驅詹姆斯·瓦特和馬修·博爾頓，他們也曾是工業革命的先驅。」為表彰他的豐功偉績，英格蘭銀行特將他的肖像印於新版 50 英鎊上，據 BBC 方面稱，該款英鎊將於 2021 年底正式流通。
影響力：
John McCarthy
約翰·麥卡錫（John McCarthy）生於美國麻薩諸塞州波士頓，是一名計算機科學家和認知科學家。他於 1948 年在加州理工學院取得數學學士學位，1951 年於普林斯頓大學畢業並獲得數學博士學位。他曾短暫效力於普林斯頓大學、史丹福大學、達特茅斯學院和麻省理工學院，此後，在 1962 年~2000 年底這段時間內，他一直在斯坦福擔任教授，退休後成為名譽教授。
入圍理由：
要盤點迄今為止人工智慧領域最有影響力的傑出代表，自然少不了這個概念的發明者——約翰·麥卡錫。麥卡錫是人工智慧學科的奠基人之一。實際上，正是他在 1956 年的達特茅斯會議上首次提出了「人工智慧（Artificial Intelligence）」這個概念。他還開發了 Lisp 家族，極大地影響了 ALGOL程式語言的設計。ALGOL 程式語言是一族指令式程式語言，發展於 1950 年代中期，對許多其它程式語言產生了重大影響。計算機協會在教科書及學術文章採用此語言做為描述算法的標準語法超過三十年，可見其對行業的影響力之深。此外，麥卡錫還普及了分時度假，發明了垃圾收集，這些成就都在 AI 早期發展階段起到了重要作用。
影響力：
Yoshua Bengio
約書亞·本希奧（Yoshua Bengio）生於法國巴黎，是一名計算機科學家。本希奧畢業於麥吉爾大學，在校期間獲得了電氣工程工學學士、計算機科學理學碩士學位以及計算機科學博士學位。此後，他曾在麻省理工學院和 AT＆T 貝爾實驗室擔任博士後。自 1993 年以來，他一直是蒙特婁大學的教職人員，現為加拿大蒙特婁大學教授、魁北克人工智慧研究所 Mila 科學主任，與 Ian Goodfellow、Aaron Courville 兩人合著 《深度學習》一書。2016 年 10 月，本希奧與其他人共同創立了 Element AI，這是一家位於蒙特婁的人工智慧孵化器，他致力於將 AI 研究轉化為現實業務應用程式的研究。2017 年 5 月，本希奧宣布加入蒙特婁法律技術初創公司 Botler AI，擔任戰略顧問。
入圍理由：
近年來，深度學習方法一直是計算機視覺、語音識別、自然語言處理和機器人技術等領域出現驚人突破的主要原因。約書亞·本希奧的成就功不可沒，他也被稱為「深度學習之父」。本希奧的主要貢獻是在 1990 年代發明的序列的概率模型Probabilistic models of sequences。他把神經網絡和概率模型（例如隱馬爾可夫模型）結合在一起，並和 AT&T 公司合作，用新技術識別手寫的支票。現代深度學習技術中的語音識別也是這些概念的擴展。本希奧還於2003 年發表了劃時代的論文「 A Neural Probabilistic Language Model 」，文中第一次用神經網絡來解決語言模型的問題，雖然在當時並沒有得到太多的重視，但後人卻在它的基礎上完成了很多突破，包括 Word2Vec 的作者 Tomas Mikolov 在 NNLM 的基礎上提出了 RNNLM 和後來的 Word2Vec。約書亞·本希奧的團隊在研究中還首次引入了注意力機制（attention mechanism），讓機器翻譯取得重大突破，現在利用神經網絡做 NLP 時基本上都離不開 attention ，並成為了讓深度學習處理序列的重要技術。
影響力：
Yann LeCun
揚·勒丘恩（Yann LeCun）生於法國巴黎附近，是一位法國裔美國計算機科學家。他於 1983 年畢業於巴黎高等電子工程師學校獲得了工程師學位，1987 年從巴黎第六大學畢業並獲得了計算機科學博士學位。博士在學期間，他提出了神經網絡的反向傳播算法學習算法的原型。他隨後到多倫多大學完成了博士後的工作。揚·勒丘恩在 2017 年來中國演講時提到了自己中文姓名——楊立昆，自此，他的中文名字一直沿用下來。目前，他在紐約大學擔任教授，也是 Facebook 的副總裁和首席人工智慧科學家。
入圍理由：
卷積神經網絡（Convolutional Neural Network, 簡稱 CNN）的起源可以追溯到上世紀 60 年代，但是由於當時計算機資源匱乏，卷積神經網絡並沒有引起足夠多的關注。時間快進到 20 多年後的大規模視覺識別挑戰賽 ImageNet 中，這才讓我們記起了被遺忘在角落、「發著光的」卷積神經網絡。1988 年，楊立昆加入了貝爾實驗室的自適應系統研究部門，在此期間，他和團隊一同開發了很多新的機器學習方法，而圖像識別模型卷積神經網絡也自此得到了復興。目前，卷積神經網絡已經成為了機器學習領域的基礎技術之一，它被廣泛應用在學術和工業應用領域中，包括計算機視覺、自然語言處理、語音合成、語音識別、圖片合成、自動駕駛、醫學圖片識別、信息過濾、語音助手等方面，楊立昆也因此被成為「卷積神經網絡之父」。
楊立昆對人工智慧領域的貢獻還體現在他改進了反向傳播算法。他提出了一個早期的反向傳播算法 backprop，並根據變分原理給出了一個簡潔的推導，加快了反向傳播算法運算速度。此外，他還拓展了神經網絡的應用範圍。他把神經網絡變成了一個可以完成大量不同任務的計算模型。例如，他與銀行協作開發了支票識別系統，讀取了 20 世紀 90 年代末至 21 世紀初全美國 10％以上的支票，該系統被 NCR 和其他的公司廣泛使用。
影響力：
Geoffrey Hinton
傑弗裡·辛頓（Geoffrey Hinton）出生於英國，是一位計算機學家和心理學家。他畢業於英國劍橋大學，在校期間獲得實驗心理學學士學位。此後於 1978 年在愛丁堡大學獲得人工智慧博士學位。此後曾在薩塞克斯大學、加州大學聖地牙哥分校、劍橋大學、卡內基梅隆大學和倫敦大學學院工作，目前他擔任多倫多大學計算機科學系名譽教授，在谷歌擔任副總裁兼工程研究員。
入圍理由：
辛頓是加拿大機器學習領域首席學者，也是加拿大高等研究院贊助的「神經計算和自適應感知」項目的領導者。辛頓最重要的貢獻來自他 1986 年發明反向傳播的論文「Learning Internal Representations by Error Propagation」，1983 年發明的玻爾茲曼機（Boltzmann Machines），以及 2012 年對卷積神經網絡的改進。他在人工智慧領域內發表了 200 多篇關於機器學習、記憶、感知和符號處理方法的論文，為神經網絡的發展奠定了堅實的學術基礎。Hinton 和他的學生 Alex Krizhevsky 以及 Ilya Sutskever 通過 Rectified Linear Neurons 和 Dropout Regularization 改進了卷積神經網絡，並在著名的 ImageNet 評測中取得了很好的成績，在計算機視覺領域掀起一場革命。此外，辛頓還是反向傳播算法和對比散度算法的發明人之一，被譽為「深度學習之父」。由於在深度學習領域的卓越貢獻，他與約書亞·本希奧和楊立昆一同被授予了 2018 年的圖靈獎。
影響力：
Guido van Rossum
吉多·范羅蘇姆（Guido van Rossum ）生於荷蘭哈勒姆，是一位計算機科學家。他於 1982 年從阿姆斯特丹大學畢業，並獲得數學和計算機科學碩士學位。後來他在多個研究機構任職，包括荷蘭阿姆斯特丹國家數學和計算機科學研究學會、馬裡蘭州 Gaithersburg 國家標準暨技術研究院和維珍尼亞州 Reston 國家創新研究公司（CNRI），2006 年，他被美國計算機協會（ACM）認定為著名工程師。
入圍理由：
荷蘭程式設計師範羅蘇姆早在 1991 年就發布了 Python 程式語言。我們知道的大多數程式語言都是由大公司或很多專業人才共同開發完成的，而有趣的是，Python 是個例外，因為它是由範羅蘇姆獨立完成的，因此範羅蘇姆也被尊稱為「 Python 之父」。
最初，開發 Python 的主要目的是幫助程式設計師為項目編寫清晰的、有邏輯的代碼，因此它備受開發人員的青睞。如果說 Python 是萬能的那或許有些誇大其詞，但它在 Web 開發、遊戲、為桌面應用程式構建腳本和 GUI、配置伺服器、執行科學計算以及數據分析領域所做出的貢獻卻是不爭的事實。在所有主要的程式語言中，Python 最近幾年發展迅猛。
Stack Overflow 對程式語言的發展做了一項調查，調查顯示 Python 如何在激烈的競爭中力挫群雄榮登榜首。甚至不少人預測，隨著 Python 用戶群的快速增長，它很快會成為世界上最流行的程式語言，這一程式語言成為了人工智慧領域的最佳之選。而近年來數據科學也在蓬勃發展，Python 在數據科學生命周期中被大量應用。Python 社區開發了很多優秀的處理數據的程序庫，例如 Numpy、Pandas、sci-kit-learn 等。在收集數據、清理數據集、提取重要特徵、構建機器學習模型和使用圖形可視化結果等方面，Python 都發揮了巨大作用。
影響力：
Ian Goodfellow
伊恩·古德費洛（Ian Goodfellow）出生於美國加州，是一位機器學習研究者。他畢業史丹福大學，在校期間獲得計算機科學學士和碩士學位。他於 2014 年在蒙特婁大學獲得博士學位，此後一直在 OpenAI 和谷歌工作，據悉，他在 OpenAI 的年薪達到了 80 萬美元。2019 年 3 月，他從谷歌離職後加入蘋果，擔任蘋果公司特別項目組機器學習負責人。
入圍理由：
如果要問人工智慧領域有哪些能掀起時代變革的新技術，那近幾年被炒得異常火熱的生成對抗網絡（Generative Adversarial Networks，簡稱 GAN）絕對算是其中一個。2014 年，古德費洛發表了一篇名為「 Generative Adversarial Networks」的論文，這是生成對抗網絡第一次正式出現人們的視野中，因此被譽為「生成對抗網絡之父」。GAN 由兩個神經網絡組成：一個用於生成新的數據實例的生成器，和一個用於將生成的假數據與真實數據區分開來的鑑別器。GAN 的工作原理是訓練一個生成網絡，輸出合成數據，然後利用鑑別網絡判別合成數據。鑑別網絡根據合成數據輸出的梯度告訴用戶該如何對合成數據進行微調，使其更加真實。因此 GAN 系統常被用來生成「假新聞」。目前，GAN 已經可用於生成各種內容，包括圖像、視頻、音頻和 文本，在機器學習中發揮著不可替代的作用。
影響力：
結語
人工智慧發展的前半程已經有這些優秀的先行者們為我們勘好了路，如今，人工智慧又走到了下一個分水嶺階段。好在，我們似乎已經看清了未來 AI 產業的發展脈絡並有著許許多多願意為人工智慧事業前僕後繼、繼往開來的「新生力量「，至於未來還會有哪些更加優秀、更具影響力的人物推動產業變革，我們只能靜觀其變。