自“神经网络”这一技术概念诞生以来，科学家们已经花了超过50年的时间，致力于研究如何让机器识别包括声音在内的周围环境，同时正确理解自然语言，但都没能真正成功。2004年，人称“人工智能教父”的Geoffrey Hinton教授，再次表示了自己对于这一概念的高度认可。在加拿大政府的支持下，Hinton教授联合多位学界大牛针对该概念组建了一个全新研究小组，其中包括纽约大学教授Yann LeCun以及蒙特利尔大学教授Yoshua Bengio。

本周三，美国计算机协会（the Association for Computing Machinery）正式宣布，由于在神经网络研究领域作出的重要贡献，Hinton教授、LeCun教授以及Bengio教授三人成功获得2019年图灵奖，将共同拿到100万美元的奖金。图灵奖成立于1966年，称得上是计算机领域的诺贝尔奖。

过去十年来，这三位科学家提出的创新概念，已经在很大程度上改变了科技进步的方向，加快了面部识别服务、智能语音助手、仓储物流机器人以及无人驾驶汽车等诸多领域和行业的积极健康发展。现阶段，Hinton教授就职于搜索巨头谷歌，LeCun教授任职于社交媒体巨头Facebook，而Bengio教授则与IBM和微软两家公司合作密切。

Allen Institute for Artificial Intelligence是一家较为低调的西雅图基金公司，致力于推动人工智能技术发展，在人工智能行业有着举足轻重的作用。其首席执行官Oren Etzioni介绍说：“科技行业正在发生重大变化，是能够颠覆历史的变化。对此，我既倍感惊奇又心存敬畏。”

神经网络是一个复杂数学系统，由诸如分散在人脑中的神经元构成，能够通过大量数据分析来学习和完成各项任务。因此，也就能推动各种人工智能技术以创纪录的速度发展进步。计算机科学家不再需要手动将代码行为录入系统，而是直接开发出能够自主学习各种行为的技术。早在20世纪70年代，还是本科生的Hinton教授就开始提倡这一全新概念，但遭到了包括导师在内的很多人工智能学者的质疑甚至反对。

不过，在20世纪80年代末和90年代初，神经网络领域的发展出现了短暂复兴。在跟随Hinton教授进行为期一年的博士后研究之后，LeCun教授搬去了AT&T公司位于新泽西州的贝尔实验室，并在那里开发出了一种能够读懂手写字母和数字的神经网络。随后，AT&T的子公司将LeCun教授所开发系统卖给了银行，专门用来识别手写支票。当然，工作量还是比较小的，仅占10%。再到后来，神经网络的弊端就逐步显现出来了，比如无法完成面部识别、图片物体识别、词语识别以及对话识别等高级人工智能任务。

用LeCun教授的话说：“只有以大量训练数据作为大前提，那些系统和网络才能发挥出应有的作用。可在现实生活中，拥有大量训练数据的行业领域少之又少。”至于Bengio教授，在蒙特利尔大学任教之前，也曾在贝尔实验室工作过一段时间。

2004年，在加拿大高等研究院（Canadian Institute for Advanced Research）所提供不到40万美元的资金支持下，Hinton教授邀请Bengio教授和LeCun教授一起成立了一个全新研究项目，致力于促进神经计算和自适应感知领域发展。2010年，Hinton教授及其学生取得了突破性的研究进展，成功帮助微软、IBM和谷歌等公司实现了语音识别技术以及随后数年图像识别技术的关键革新。

说到图像识别技术，不得不提LeCun教授当时开发出来的算法。2013年，Facebook专门向他发出邀请，加入公司针对图像识别技术研发组建实验室。而Bengio教授虽然拒绝加入大型科技公司，但他在蒙特利尔大学负责的研究，也在一定程度上推动了神经网络的进步，以便让系统更为正确地理解自然语言，从而识别出可能存在的虚假图片。

当然，说了这么多，人工智能其实仍然处于起步阶段。想要实现真正的智能，还有很长一段路要走。