深度学习 人物

杰弗里·辛顿（Geoffrey Hinton）是出生于伦敦的计算机科学家，他的神经网络研究是深度学习的核心内容之一，并共享了 2018 年图灵奖和 2024 年诺贝尔物理学奖。

杨立昆（Yann LeCun）是法国计算机科学家，以直接从像素中学习图像识别的卷积神经网络闻名，并共享 2018 年 ACM 图灵奖。

加拿大计算机科学家，其在序列模型、词嵌入和注意力机制上的工作，为现代语言模型奠定了重要基础。他与杰弗里·辛顿、杨立昆共享2018年ACM A.M.图灵奖。

以色列裔加拿大计算机科学家，1986 年生；参与构建 AlexNet，共同创办 OpenAI 并任首席科学家，2024 年创办 Safe Superintelligence Inc.

马文·明斯基（Marvin Minsky，1927–2016）是美国科学家，人工智能实验室的创办者之一。他与西摩·派珀特合著的《Perceptrons》分析了简单神经网络的局限。

弗兰克·罗森布拉特（Frank Rosenblatt，1928–1971）是美国心理学家，发明了感知机，这是一种能从样例中调整权重的早期学习机器。Mark I感知机现存于史密森学会。

美国物理学家，1933 年出生，1982 年提出用自旋物理思想存储和重现图案的霍普菲尔德网络，并获得 2024 年诺贝尔物理学奖的一半。

大卫·鲁梅尔哈特（David Rumelhart，1942–2011）是美国认知心理学家，他 1986 年与同事的工作，推动了反向传播和神经网络模型的传播。

西雅图华盛顿大学的蛋白质科学家，以计算蛋白质设计闻名：2003年用计算方法设计出与自然界已知蛋白质都不相同的新蛋白质，并因此获得2024年诺贝尔化学奖的一半。

德国计算机科学家，1997年与塞普·霍赫赖特合著LSTM论文，自1995年起领导瑞士人工智能实验室IDSIA。他也公开提出，部分AI成果的贡献应得到更充分的认可。

德国计算机科学家，与施密德胡伯合作提出了长短期记忆网络（LSTM），用于学习序列数据。他也领导了2024年的xLSTM研究。

美国计算机科学家，以 Google 的 MapReduce、Bigtable、Spanner 等基础系统，以及 TensorFlow 和 Google 首席科学家身份为人所知。

斯坦福计算机科学家李飞飞创建了 ImageNet 大规模图像数据集及挑战赛，为数据驱动的计算机视觉提供了共同基准，并在学界与产业界长期从事 AI 研究。

英国计算机科学家，1976 年出生，研究强化学习。他领导了 DeepMind 的 AlphaGo 项目，是 2013 年深度 Q 网络论文的作者之一，2025 年创办 Ineffable Intelligence。

戴密斯·哈萨比斯（Demis Hassabis）是英国 AI 研究者和创业者，DeepMind 联合创始人。他于 2024 年与人共享诺贝尔化学奖，表彰蛋白质结构预测方面的工作。

捷克计算机科学家，word2vec的主要作者。word2vec是2013年提出的一组词向量学习方法，他后来还参与了fastText库的开发。

美国科学家，1985 年生，在 Google DeepMind 参与开发 AlphaFold，因蛋白质结构预测与德米斯·哈萨比斯共同分享 2024 年诺贝尔化学奖的一半。

AI 研究者与教育者，生于布拉迪斯拉发，少年时移居多伦多；OpenAI 创始成员之一，曾任特斯拉 AI 总监、主讲斯坦福 CS231n 课程，后加入 Anthropic 的预训练团队。

切尔西·芬是斯坦福大学助理教授，研究元学习、深度强化学习与机器人感知控制的一体化学习，也是 Physical Intelligence 的联合创始人。

Jakob Uszkoreit 是《Attention Is All You Need》的八位作者之一，也是 Inceptive 的创始人；该公司致力于用人工智能设计生物分子。[^1][^4]

克里斯·奥拉（Chris Olah）是加拿大机器学习研究员、Anthropic 联合创始人，研究神经网络的机制可解释性。

安德鲁·巴托是计算机科学家，推动强化学习成为一般性研究框架，并与理查德·萨顿共同获得2024年ACM图灵奖。

理查德·萨顿是阿尔伯塔大学的计算机科学家，以强化学习研究闻名；他与 Andrew Barto 合著了该领域的标准教材，并共同获得 2024 年 ACM 图灵奖。

DeepMind 计算机科学家，第一篇深度 Q 网络（DQN）论文的作者之一；后任 Google DeepMind 首席技术官与 Google 首席 AI 架构师，主持多代 Gemini 模型的发布。

德克·金马（Durk Kingma）是机器学习研究者，变分自编码器与 Adam 优化算法的共同作者，先后在 OpenAI、Google Brain / DeepMind 和 Anthropic 从事研究。

伊恩·古德费洛是 2014 年提出生成对抗网络的论文第一作者，该方法让生成器与判别器互相对抗训练。他先后任职于 OpenAI、Google Brain 和 Apple。

黄仁勋（Jensen Huang）是英伟达（NVIDIA）的创始人之一，自公司 1993 年成立起担任总裁、首席执行官和董事会成员。英伟达把图形处理器（GPU）的发明和加速计算的开拓归于这一时期。

Quoc Le 是机器学习研究者，2013 年在斯坦福大学获得博士学位，是序列到序列学习、神经架构搜索和 EfficientNet 等论文的共同作者；序列到序列论文获 NeurIPS 2024 时间检验奖。

Niki Parmar 是《Attention Is All You Need》的八位作者之一，这篇 2017 年的论文提出了 Transformer 架构，Google 对这项工作的公开描述中也提到了她。

Llion Jones 是 2017 年论文《Attention Is All You Need》的八位作者之一，也是 Sakana AI 的联合创始人兼首席技术官。

Polosukhin 是 Transformer 论文作者之一、NEAR Protocol 联合创始人，2024 年署名显示他为 NEAR Foundation CEO。[^1][^3][^6]

Christopher Manning 是斯坦福大学语言学与计算机科学教授、SAIL 前主任，曾任 ACL 主席，并获多项 Fellow 称号与学院成员资格。

Pieter Abbeel 是加州大学伯克利分校教授，主管伯克利机器人学习实验室，并共同主管 BAIR；曾获 ACM 计算奖和 IEEE Fellow 等荣誉。

诺姆·沙泽尔（Noam Shazeer）是《Attention Is All You Need》的第二作者。他2024年回到Google，2026年宣布加入OpenAI。

阿希什·瓦斯瓦尼（Ashish Vaswani）是论文《Attention Is All You Need》的第一作者，该论文提出了Transformer架构。他还共同创办了Essential AI。

何恺明是计算机视觉与深度学习研究者，2015 年 ResNet 论文的第一作者，也是残差连接这一通用结构的提出者之一，现为麻省理工学院终身教职副教授。

艾丹·戈麦斯是加拿大计算机科学家，Cohere 的联合创始人兼首席执行官，也是 2017 年提出 Transformer 架构的论文的八位作者之一。

谢尔盖·莱文（Sergey Levine）是研究机器人如何从数据中学习控制行为的计算机科学家。他是加州大学伯克利分校教授，也是 Physical Intelligence 的联合创始人。

汤晓鸥（1968—2023）是香港中文大学信息工程学系教授、计算机视觉研究者，也是中国知名人工智能公司商汤科技的联合创始人兼董事长。

西班牙计算机科学家，1983 年出生，共同提出序列到序列学习，领导 DeepMind 的 AlphaStar 研究小组，后任 Gemini 技术负责人，2026 年离职创办 Discovery Loop。

加拿大机器学习研究者，曾是 Google Brain 多伦多办公室的早期研究员，2019年在多伦多共同创办自然语言处理公司 Cohere，同时是独立摇滚乐队 Good Kid 的主唱。

卡罗尔·豪斯曼是研究机器人学习与具身智能的机器人学家，曾任 Google Brain 与 Google DeepMind 高级研究科学家，并共同创办 Physical Intelligence。

甘利俊一（1936 年生）是日本数理工程学家，创立信息几何学，并为机器学习与神经网络奠定理论基础，获 2025 年京都奖先进技术领域奖项。

雅各布·德夫林（Jacob Devlin）是BERT论文的第一作者，BERT是Google于2018年推出的语言模型，能结合词语两侧的上下文理解词义。

托马斯·沃尔夫是 Hugging Face 的联合创始人兼首席科学官，也是 2019 年那篇向研究者和实践者介绍该公司开源 Transformers 库的论文的第一作者。

谢恩·莱格（Shane Legg）是新西兰人工智能研究者、DeepMind 联合创始人之一，参与推广了「通用人工智能」这一说法，并负责该公司的人工智能安全工作。

孙剑是计算机视觉科学家，在微软工作13年，是 ResNet 论文的作者之一，后出任旷视首席科学家。2022年6月，他因病突然去世，享年45岁。