深度学习AI创始人盘点：这几个人的故事比剧精彩

深度学习AI创始人都是谁？去年冬天我蹲在家里啃了一摞材料，从辛顿的访谈到本吉奥的自述，越看越觉得这仨人的人生堪比连续剧。2018年他们仨一起拿了图灵奖，2024年诺贝尔物理学奖又砸到辛顿头上。有人五十年坐冷板凳不换方向，有人中年从贝尔实验室出走，有人差点转行去搞音乐。说实话，这个名单没什么官方认证，但这三位是圈内公认绕不开的奠基人。今天我就把他们掰开讲，顺便把我读书时记的几条私货笔记塞给你。图灵奖的分量可以看 维基百科的图灵奖词条，那是计算机界的最高荣誉。

深度学习AI创始人为什么偏偏是这三个人

辛顿、杨立昆、本吉奥三个人有个共同点：八十年代神经网络被全学界看衰时，他们没撤。辛顿管理论，杨立昆管落地，本吉奥管把火种传下去，分工几乎天衣无缝。八十年代那会儿主流是符号主义，也就是教机器写规则，神经网络路线被嘲为"炼金术"。经费砍掉，论文被拒，学生招不来。挺惨的。三人各自在加拿大和美国的实验室里死磕，硬是把这条断头路熬成了主干道。2012年辛顿带队拿下 ImageNet 图像识别冠军，错误率比第二名低了十多个百分点，全场震惊，深度学习的火就从那一刻烧起来了。

我自己读他们早期论文时发现个细节。1986年那篇传播方向性的反向传播论文，辛顿只是二作，一作是鲁梅尔哈特。可后来所有教科书都把辛顿挂在嘴边。为什么？因为他不光发论文，还花了三十年不停地讲、不停地教、不停地拉人入伙。学术圈也讲复利的。这话不是我说的，是我读他的学生访谈拼出来的结论。

辛顿：拒绝谷歌终身岗的倔老头

杰弗里·辛顿是三人里年纪最大的，被称为深度学习教父，2012年的 AlexNet 和后来的知识蒸馏都有他一份。他1947年生在英国，家世吓人，玄祖父是逻辑学家乔治·布尔，布尔代数那个布尔。他本科学心理学，觉得没意思，又跑去读人工智能博士，中途退学当过木匠。真事。后来重返学术界，一路从美国漂到加拿大，在多伦多大学扎了根。

我最喜欢他2012年后的一个操作。当时谷歌开出天价收购他刚成立的小公司，他没直接答应，反手办了场拍卖会，让谷歌、微软、百度几家轮番抬价，最终4400万美元成交。老头分完钱给团队，自己挂着谷歌的职，十来年后2023年又辞职了。辞职理由是担心AI风险，他原话大意是"我想自由地谈论AI的危害，不希望被雇主立场捆住"。七十六岁辞职聊风险，这操作我给满分。想系统了解他的观点，可以看他接受 MIT Technology Review 的长篇专访，讲得比论文通俗。

笔记里我记过一句他的话，抄在便签上贴了半年：如果直觉和逻辑冲突，先信直觉。他的解释是，逻辑只能推已知的关系，直觉里藏着你自己都没意识到的经验。这种偏执放在他身上成立，放在我身上大概率是灾难。分人的。

杨立昆：卷积之父的硬核与嘴硬

杨立昆，法国人，卷积神经网络CNN的缔造者，如今执掌Meta首席AI科学家。他上世纪八十年代末在贝尔实验室做出手写字识别系统，那套 LeNet 后来被银行拿去识别支票，算是神经网络最早的大规模商用之一。注意，那个年代没人谈深度学习，他这活儿在学界属于边缘成果。他扛住了。

我个人觉得他是三人里最敢开炮的。大模型火起来后他多次公开说自回归模型缺世界观，"永远到不了人类水平"，业内吵翻了天。有人骂他吃不到葡萄，有人敬他敢讲真话。他跟辛顿是几十年老友，俩人还互相调侃过对方的观点。读他2019年那本《科学之路》，我划了十几条线，最触动我的是他写博士期间的一段：导师不支持他的方向，他咬牙自己攒设备做实验，毕业时论文方向在法国几乎没人看得懂。孤独感隔着纸都能渗出来。

讲完两个大牛，插一段我的跑题观察。三人里最低调的是本吉奥，可我越读材料越觉得他像这支队伍的地下工作者。蒙特利尔实验室在他手里成了深度学习人才的黄埔军校，MILA 培养出的研究者散布全球各大AI实验室。墙内开花墙外香，他本人却长期不温不火。直到2018年图灵奖、2024年他再度进入公众视野聊AI安全，大家才回头数他播了多少种子。话说回来，杨立昆的知名度也经历过类似曲线，只是他嘴皮子利索，翻红得早。

本吉奥：差点去搞音乐的传火者

约书亚·本吉奥，蒙特利尔大学教授，注意力机制和序列建模的推手，2018年与两位老友同获图灵奖。他1964年生在巴黎，家里是从摩洛哥迁去的犹太移民，兄弟俩后来都做了AI教授。他年轻时认真考虑过当音乐家，吉他弹得像模像样，最后还是选了计算机。我读到这段时乐了，深度学习教父差点变摇滚老炮。

他真正的贡献在我看来是两块。一块是2014年前后推动的注意力机制研究，今天大语言模型的核心部件之一，源头就有他团队的论文。另一块是育人。蒙特利尔被他带成了AI重镇，当地政府甚至因为他的实验室调整过产业政策。不夸张地说，全球AI研究的半壁掌门人都跟他沾着师承关系。

三巨头横向一比，各有各的活法

三个人的路线差异大到离谱，我给你列张表感受下，注意评价列纯属我的主观判断。

这张表我调过三版。第一版我给本吉奥的印象写的是低调，后来觉得不准确，他不是低调，是忙别的去了。这几年他几乎把精力全押在AI安全上，各种政策场合都能看到他。方向变了，人没变。

读创始人故事时我记下的五条笔记

传记访谈读多了容易只看热闹，我提炼了五条对我真有用的，直接抄走就能用。

第一，冷板凳期别指望正反馈，辛顿的神经网络低谷期长达三十年，靠的是方向信念而不是KPI。第二，跨界经历是资产不是负债，辛顿的心理学背景、本吉奥的音乐爱好，最后都成了思维燃料。第三，学会讲你的研究，杨立昆的LeNet能商用，一半功劳在他满世界演示。第四，朋友圈决定研究命运，三人互相审稿互相打气，圈子冷不等于抱团冷。第五，功成之后要有退出勇气，辛顿七十多岁从谷歌辞职聊风险，比守着光环难多了。

这五条我自己最做不到的是第五条。人性使然吧。

常见问题

深度学习AI创始人只有这三个人吗？

不是严格意义上的。三巨头之外，吴恩达推动了大规模GPU训练，Schmidhuber 提出了循环网络的重要结构，李飞飞的 ImageNet 数据集是引爆点之一。只是辛顿、杨立昆、本吉奥因图灵奖被捆在一起，成了最常被提起的组合。

学他们的故事对学深度学习有实际帮助吗？

有，但帮助不在技术本身。了解每项技术诞生的时代背景，你能更准确地判断哪些是硬突破、哪些是营销包装。比如看完卷积网络的诞生史，再看今天某些"全新架构"的宣传，你的免疫力会强不少。

新手入门该从哪位的书或课开始看？

入门优先杨立昆的《科学之路》和辛顿的公开访谈，语言相对友好。本吉奥参与合著的《深度学习》花书是硬核教材，适合已有数学基础后再啃。零基础直接读花书，大概率第三章就劝退。别问我怎么知道的。

写到这我合上笔记本，这三个人的故事最打动我的从来不是奖项，是他们在没人相信的年代里各干各的，互不打扰又互相托举。想更上一层的朋友可以顺路看看 深度学习是什么的白话入门、机器学习三起两落的发展史，进阶一点还有 深度学习必读的五篇经典论文，串起来读故事会更完整。觉得这几个老头的人生有意思，把这篇转给同样在学AI的朋友吧。