.杰弗里·辛顿
- 辛顿被誉为“深度学习教父”，他与大卫·鲁梅尔哈特共同开发了反向传播算法，使神经网络能够有效地调整权重，并引领了神经网络在人工智能领域的复兴。他在玻尔兹曼机和深度信念网络方面的工作也为现代深度学习奠定了基础。
2. Yann LeCun
- LeCun 开发了卷积神经网络 (CNN)，彻底改变了计算机视觉领域。他在反向传播和 CNN 方面的工作对图像识别产生了深远的影响，使面部识别和图像分类等应用成为可能。
3.吴恩达
- 吴恩达通过在线课程以及在谷歌大脑和百度的工作推广了人工智能和深度学习。他在将深度学习应用于语音识别和计算机视觉任务方面发挥了关键作用，帮助弥合了研究与行业之间的差距。
4. Yoshua Bengio
- Bengio 是深度学习和神经网络领域的另一位重要人物。他在循环神经网络 (RNN)、序列到序列模型和自然语言处理 (NLP)方面的工作对该领域产生了重大影响。Bengio 与 Hinton 和 LeCun 一起，是2018 年因对 AI 的贡献而获得图灵奖的三位先驱之一。
5.约翰·麦卡锡
- 麦卡锡经常被称为人工智能之父之一，他创造了“人工智能”一词，并开发了LISP 编程语言，该语言成为人工智能研究领域最受欢迎的语言之一。尽管他的工作早于现代神经网络，但麦卡锡对人工智能基础的贡献是巨大的。
6.阿兰·图灵
- 图灵是人工智能领域最早的贡献者之一，因提出评估机器智能的图灵测试而闻名。尽管神经网络并不是他的重点，但他在计算方面的理论工作为现代人工智能奠定了基础。
7.马文·明斯基
- 明斯基是麻省理工学院人工智能实验室的联合创始人，也是人工智能研究的先驱。他是符号人工智能的支持者（在神经网络兴起之前），但也为神经网络的早期研究做出了贡献。他的著作《感知器》（与西摩·帕普特合著）批评了早期神经网络的局限性，但激发了未来的发展。
8.大卫·鲁梅哈特
- 鲁梅尔哈特与杰弗里·辛顿密切合作，共同开发了反向传播算法。他在认知科学和神经网络方面的工作为人工智能和机器学习奠定了重要基础。
9.伊利亚·苏茨克韦尔
- Sutskever 是 Geoffrey Hinton 的学生，也是OpenAI的联合创始人。他为序列到序列模型和转换器网络做出了重大贡献，这些模型是 GPT-3 和 GPT-4 等现代自然语言处理模型的基础。
10.李飞飞
- 李飞飞以其在计算机视觉领域的工作而闻名，她领导了ImageNet的开发，这是一个庞大的图像数据集，在推动深度学习技术发展方面发挥了至关重要的作用。ImageNet挑战赛推动了卷积神经网络 (CNN) 的发展，极大地促进了人工智能在图像识别任务方面的进步。
荣誉提名：
- Juergen Schmidhuber：开发了长短期记忆（LSTM）网络，提高了循环神经网络（RNN）在涉及序列数据的任务（例如语音识别、翻译）中的性能。
- 杰弗里·辛顿 (Geoffrey Hinton) 的学生：辛顿的几名学生，包括Yann LeCun、Ilya Sutskever和Alex Krizhevsky，都做出了开创性的贡献，特别是在 CNN 和 transformer 等深度学习架构的开发方面。
杰弗里·辛顿是最大的贡献之一，特别是在
深度学习和
神经网络方面，但许多其他科学家也塑造了现代人工智能领域。他们的贡献范围从理论基础（图灵、麦卡锡）到神经网络的实际进步（勒昆、本吉奥、吴恩达）以及自然语言处理（苏茨克弗）和计算机视觉（李）等应用。
