至顶网软件频道消息:计算机协会(简称ACM)被很多人称为“计算机界诺贝尔奖”的图灵大奖,本届将授予Yoshua Bengio、Geoffrey Hinton以及Yann LeCun三位大师,以鼓励他们在AI领域做出的创新贡献。
奖项中的100万美元奖金由谷歌公司提供。也许有些朋友还不了解,这一大奖以英国数学家阿兰·图灵命名,以纪念他在奠定计算机科学基础理论方面的巨大成就。
此次三位得奖者的功绩,在于利用神经网络进行计算,从而为深度学习技术建立起概念与工程技术基础。Benjio目前担任蒙特利尔大学教授,同时亦是Mila(位于魁北克的AI研究所)与数据实验研究所科学主任。Hinton目前担任谷歌公司副总裁兼工程研究员,Vector研究院首席科学顾问以及多伦多大学教授。LeCun则身为Facebook公司副总裁兼首席AI科学家,同时亦在纽约大学担任教授职务。此外,Bengio与LeCun还是CIFAR机器与脑力学习项目的联席主管。
ACM主席Cherri M. Pancake在一份声明中表示,“人工智能已经成为当前各个科学领域当中发展速度最快的学科之一,亦在社会上受到人们的广泛关注。AI的快速增长与关注度提升,在很大程度上要归功于Bengio、Hinton以及LeCun在深度学习基础理论奠定方面带来的最新进展。目前,有数十亿人在使用这些技术,任何拥有智能手机的人们都可以随时体验到自然语言处理与计算机视觉所带来的科技进步——而这一切在十年之前是根本无法想象的。除了我们日常使用的产品之外,深度学习技术的最新进展还为科学家们带来了强大的新工具,从而支撑起从医学、到天文学、再到材料科学的多学科协同创新能力。”
在过去几年当中,三位图灵奖得主一直努力利用算法从语言、环境以及其它对象当中提取数据模式,并推动面向数字化图像与视频的语音识别、机器人以及机器学习技术取得突破性进展。如今,这些深层神经网络已经在图像识别方面拥有令人满意的表现。
根据麻省理工学院的定义,神经网络代表一种机器学习实现方法,其中计算机通过分析训练样本以学习执行某项任务。一般而言,这些示例样本需要预先进行手动标记。例如,我们需要向物体识别系统馈送大量包含汽车、房屋以及咖啡杯等对象的标记图像,并由其在图像当中找到与特定标签相关联的视觉图形。
他们还尝试利用大型数据集训练图形处理能力,这类训练负载与并行计算模式拥有良好的匹配效果。相关成果当前已经给诸多行业带来颠覆,包括交通、医疗保健以及电子商务等等。事实上,他们的许多发现被实际应用于日常技术场景,例如智能手机上的人脸识别、无人驾驶汽车以及谷歌的预测性电子邮件文本等。
Pancake指出,“任何拥有智能手机的人们都可以随时体验到自然语言处理与计算机视觉所带来的科技进步——而这一切在十年之前是根本无法想象的。除了我们日常使用的产品之外,深度学习技术的最新进展还为科学家们带来了强大的新工具,从而支撑起从医学、到天文学、再到材料科学的多学科协同创新能力。”
ACM将在今年6月5日于旧金山召开的年度颁奖宴会上,正式颁发2018年图灵奖。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。