2018 年图灵奖颁奖典礼在旧金山举行

背景

2018 年 ACM A.M. 图灵奖授予 Bengio、Hinton 和 LeCun。ACM 于 2019 年 3 月 27 日在纽约发布消息^[1]。在公告中，ACM 说三人各自独立、也彼此合作，推动了概念基础的发展，识别出令人意外的实验现象，并作出了工程上的推进^[1]。ACM 还说，他们早期为重燃人们对神经网络（neural networks）的兴趣所做的努力，最初曾遭遇怀疑^[1]。这一点把奖项放回到一段研究史中：后来受到承认的工作，并非一开始就得到普遍接受。

颁奖典礼

ACM 表示，三人将在 2019 年 6 月 15 日（星期六）于加利福尼亚州旧金山举行的 ACM 年度颁奖晚宴上正式领取 2018 年 ACM A.M. 图灵奖^[1]。公告与正式颁奖是两个不同节点：获奖消息于 2019 年 3 月公布，正式颁奖安排在 2019 年 6 月^[1]。ACM 还说，该奖项奖金为 100 万美元，由 Google, Inc. 提供资助^[1]。因此，颁奖晚宴是这一奖项的正式授予场合，而此前的公告已经给出了 ACM 对获奖工作的公开说明。

奖项肯定了什么

ACM 将三人的贡献概括为三个相互交叠的方面：发展概念基础、识别令人意外的实验现象、作出工程推进^[1]。这三类工作对应不同的研究活动。概念基础关乎如何理解和组织神经网络的学习过程；实验现象关乎在实践中观察到的、未必能由既有预期直接解释的结果；工程推进则关乎把方法做成可运行、可扩展的系统。ACM 的描述没有把贡献归结为某一篇论文或某一个瞬间，而是强调三人独立工作又相互合作所形成的一整套工作^[1]。

用机器学习（machine learning）的一般语言说，神经网络是一种从样例中训练的分层模型，而不是为每种情况手写规则的程序；深度学习（deep learning）指具有多个层、能从数据中学习表示的神经网络。这个一般性说明有助于理解为什么 ACM 同时提到概念基础和工程推进：想法需要被精确表述，方法也需要被做成可以运行的系统。

ACM 还表示，深度学习方法已经在计算机视觉（computer vision）、语音识别（speech recognition）、自然语言处理（natural language processing）和机器人学（robotics）中产生突破^[1]。这些领域处理不同的数据和任务：计算机视觉处理图像，语音识别处理声音信号，自然语言处理处理文本，机器人学处理感知与控制。奖项说明由此把基础研究与多个计算领域的应用联系起来。它没有说某一种方法解决了所有问题，而是记录深度学习在这些被点名的领域产生了突破^[1]。

影响与位置

这项奖的意义在于，它把一条曾经受到怀疑的研究路线带到了正式承认的中心。ACM 说，三人早期为重燃神经网络兴趣所做的努力最初遭遇怀疑^[1]；到颁奖时，ACM 已把深度学习在多个领域的突破列为他们工作的结果^[1]。2019 年 6 月 15 日的晚宴是这一承认的仪式性时刻，而 2019 年 3 月 27 日的公告则给出了 ACM 对贡献的公开说明^[1]。100 万美元奖金和 Google, Inc. 的资助，是奖项安排中的具体细节^[1]。对普通读者来说，可以把它理解为：一个长期研究纲领从争议走向广泛应用，并在计算机科学的奖项体系中获得正式记录。