点击上方“图灵人工智能”，选择“星标”公众号
您知道的人工智能干货，第一时间送达
🚀杨立昆说：
百度是最早部署商业化深度学习系统的大型公司之一，领先于谷歌和微软。
有一些重大的创新也是由中国科学家做出的，例如，ResNet卷积网络体系结构（残差网络）是何恺明发明的。
他当时在位于北京的微软亚洲研究院工作（现在就职于加利福尼亚州门洛帕克的FAIR）。
在人工智能的浪潮中，深度学习无疑是核心驱动力。
提到这一领域，两个名字不得不提：一位是“卷积神经网络之父”杨立昆（Yann LeCun），另一位是“深度残差网络（ResNet）”的发明者何恺明（Kaiming He）。
这两位顶尖科学家，凭借其里程碑式的创新，共同构筑了现代 AI 的基石。
FAIR：全球AI人才的摇篮
在深入了解两位大牛之前，我们先来看看他们曾长期工作或深度合作的平台——FAIR（Fundamental AI Research）。
FAIR 是 Meta（Facebook母公司）旗下的基础人工智能研究院。
它并非一个商业产品部门，而是一个专注于基础、开放性研究的学术机构。其核心理念是：开源、共享、推动行业基础发展。
FAIR 的开放氛围吸引了全球顶尖人才，并产出了 PyTorch 等一系列革命性的开源工具，对整个深度学习生态的繁荣功不可没。
杨立昆和何恺明：卷积神经网络之父和残差网络奠基人
卷积神经网络之父：杨立昆 (Yann LeCun)
核心成就： 卷积神经网络（CNN）。
CNN 是现代计算机视觉、图像识别、人脸识别等应用中不可或缺的基础架构。它通过模拟人类视觉皮层的连接方式，实现了对图像特征的高效提取和处理。
地位： 他与 Geoffrey Hinton、Yoshua Bengio 并称为“AI 三巨头”，并共同获得了计算机科学界的最高荣誉——图灵奖。
观点： 任 Meta 首席 AI 科学家的杨立昆时，大力推动无监督学习和自监督学习，试图让 AI 摆脱对大量人工标注数据的依赖，像人类一样高效学习。
残差网络奠基人：何恺明 (Kaiming He)
核心成就
(1)：ResNet（深度残差网络）。
在 ResNet 出现之前，神经网络越深越难训练。何恺明提出的残差连接（Residual Connection）巧妙地解决了梯度消失问题，使得深度神经网络的层数得以大大增加，为模型性能带来了飞跃。
这被认为是深度学习领域最重要的工程创新之一。
核心成就 (2)：Mask R-CNN。
这是一款高效的实例分割模型，它不仅能识别图像中有哪些物体（目标检测），还能为每个物体勾勒出像素级的精确轮廓。
现状： 他现已加入麻省理工学院（MIT）担任终身教授，并兼任 Google DeepMind 杰出科学家。
英雄所见略同：一致的 AI 愿景
虽然两人在不同的时代带来了不同的突破性成果，但他们的研究路径是相辅相成的。
两位科学家都坚定地站在深度学习的旗帜下，共同推动了计算机视觉技术的进步。
他们共享并推动了 FAIR 的开放研究文化，使各自的成果能够迅速普及并成为行业标准。
从杨立昆奠定的 CNN 基础，到何恺明用 ResNet 突破了深度限制，再到他们对自监督学习的共同探索，他们的工作共同塑造了我们今天所见的 AI 世界。
文章精选：
1.那个固执的法国老头走了，带走了硅谷最后的理想主义
