![3a3557be71eb00350ca41ce3ae15bfb6.png](https://i-blog.csdnimg.cn/blog_migrate/21cf5004d544969976a1f1f0900f4e40.jpeg)
使机器能够通过数据了解世界是如何运转的,而不仅仅是学习如何解决一个特定的问题,将是未来十年AI研究的一大重点。
——Yann LeCun
本文主要讲述卷积神经网络之父Yann LeCun的故事。
1961年,LeCun出生在浪漫之都巴黎 。
1983 年,22岁的他在ESIEE大学获得电子工程学位,四年后在 Université P&M Curie 获得计算机科学博士学位。
完成了多伦多大学的博士后研究之后,LeCun加入了 AT&T 贝尔实验室。在此期间他接触到了运行飞快的电脑和一个庞大的USPS数据集——拥有5000个训练样本,这在当时算是数一数二的了。
在USPS数据集的帮助下,LeCun第二年便打造并训练了第一个版本的LeNet 1,在字母识别上取得了有史以来最高的准确率。
![8da6a9469b3256935edc702948f4dcc4.png](https://i-blog.csdnimg.cn/blog_migrate/85537b5c9453157fd1c4feec648a8dce.jpeg)
一直以来,LeCun都坚信一定有方法可以让电脑拥有视觉,理解图像中的东西,甚至可以让机器学习许多任务,包括感知,这也就是现在大家熟知的人工神经网络反向传播算法的模型。
由于LeCun在论述其网络结构时首次使用了“卷积”一词,“卷积神经网络”也因此得名。
1993年,LeCun在电脑上展示识别手写数字,将CNN与BP反向传播结合阅读“手写”数字,结果优于以往任何模型,很快便应用到ATM识别读取支票上的数字。
但由于数值计算能力有限、学习样本不足,加上同一时期以支持向量机为代表的核心学习方法的兴起,这一时期为各类图像处理问题设计的卷积神经网络停留在了研究阶段,应用端的推广较少。
后来该理论一度被认为过时,主要原因一是缺乏软件,二是没有足够的数据。就像是火箭发射,装备和火药都不完全具备,发射的功能就无法实现。
![1f8cc21411f14bf1a2bc6ca84ba278e8.png](https://i-blog.csdnimg.cn/blog_migrate/bc15ab9a488bd03629baf44a2e83adc9.jpeg)
虽然在当时受到很多批评,但是LeCun从未放弃,他的导师Hinton曾评价说:“LeCun高举着火炬,冲过了最黑暗的时代。”
2003年,LeCun加入了纽约大学的教师队伍,并与Hinton和Bengio一起,以非正式联盟的形式重新恢复了神经网络。
三年后,Hinton在神经网络的深度学习领域取得突破,这是一次标志性的技术进步,人类又一次看到机器赶超人类的希望。
Facebook创始人扎克伯格曾表示,坚信AI技术对Facebook未来的发展至关重要,想要建立一个全球人工智能中心,多次邀请Lecun加入公司。
2013年,53岁的 Lecun 加盟 Facebook 组建FAIR并任职第一任主任,开始了他横跨工业界和学术界双重联盟的模式。
![6b64f11b8d69705d6d9ea40f6157531d.png](https://i-blog.csdnimg.cn/blog_migrate/c72275dfd1b34938d1e61d98384c6a7c.jpeg)
几年时间,LeCun将FAIR逐步打造成一个全球最大的跨文化、多模态、结构化、有组织的人们互动的数据库,高度开源并发表所有的技术以供行业使用。
为了表彰Lecun等人在深度神经网络方面的卓越贡献,2019年3月27日,国际计算机学会宣布,Yann LeCun、Yoshua Bengio和Geoffrey Hinton 共同获得2018年图灵奖。
图灵奖是专门奖励那些对计算机事业作出重要贡献的个人,由于图灵奖对获奖条件要求极高,评奖程序又是极严,一般每年只奖励一名计算机科学家,因此它是计算机界最负盛名、最崇高的一个奖项,有“计算机界的诺贝尔奖”之称。
虽然人工神经网络作为一种帮助计算机识别模式和模拟人类智能的工具在20世纪80年代被引入,但直到21世纪初,只有LeCun、Bengio和Hinton等一小群人仍然坚持使用这种方法。
尽管他们的努力也曾遭到怀疑,但他们的想法最终点燃了人工智能社区对神经网络的兴趣,带来了一些重大技术进步。他们的方法现在是该领域的主导范式。
![fa151c90a99dcf53da95882ceaef9d8c.png](https://i-blog.csdnimg.cn/blog_migrate/10ff669de3d2fa877792da7796c7c4ce.jpeg)
被誉为“卷积神经网络之父”,Yann LeCun实至名归。
如今,卷积神经网络已经成为计算机视觉、语音识别、语音合成、图像合成和自然语言处理领域的行业标准,被广泛应用于自动驾驶、医学图像分析、声控助手和信息过滤等重要领域。
为了帮助行业人才更快地掌握人工智能深度学习技术,中公优就业联合中科院自动化研究所专家,开设人工智能《深度学习》课程,通过深度剖析人工智能领域深度学习技术,培养人工智能核心人才。
![95771fc8523ec02da866141bad103de7.gif](https://i-blog.csdnimg.cn/blog_migrate/8d930c78e814dbb3e0b48a5294de618e.gif)
在为期5周的课程学习中,你将全面了解AI深度学习的相关知识,掌握人工神经网络及卷积神经网络原理、循环神经网络原理、生成式对抗网络原理和深度学习的分布式处理,并应用于企业级项目实战。同时,赠送课程中企业级项目的源码,帮你无缝对接课程重点,分分钟掌握大厂人才必备技能。
课程由中科院自动化研究所专家亲自传授,结合行业发展情况,带你逐一攻破大厂级项目难题。课程期间贴心答疑,加强巩固训练,全方位保证学习效果。
最近,我们还对课程模式进行了再升级,现在报名,即可获得免费赠送的价值2999元的Python网课,为无Python编程基础学员提供学习资料。
如果您对深度学习感兴趣,欢迎加入优就业深度学习交流群1044223982,免费领取学习资料,暗号CNN。
点击右侧蓝色字体,了解课程详情:平均年薪50万,大厂急需
● ● ● 两句叨叨: 最近因为公众号改版,时间线被打乱了,优妹儿发布的文章你们有可能错过啦~ 所以要拜托你们动动手指:1、给优就业标星:这样你能更方便地找到公众号,进去获取最新推送。
2、给优就业“在看”:你将能更及时地接收到推送+优惠活动。
![e7866234c51f2dd7e645fd71448c7539.gif](https://i-blog.csdnimg.cn/blog_migrate/079acede8a895f6e0921490192fa3e53.gif)
点击“阅读全文”学习更多课程