Yoshua Bengio，Geoffrey Hinton和Yann LeCun，人工智能业界知名的“AI教父” - 因其开发深度学习AI领域的工作而获得2018年图灵奖，共同分享100万美元奖金。这三名研究人员在20世纪90年代和21世纪初开发的技术使计算机视觉和语音识别等任务取得了巨大突破。他们的工作支持了当前人工智能技术的喷发，应用领域从自动驾驶汽车到自动化医疗诊断，琳琅满目。
地球上的所有人每天都在与人工智能发生着关联，Bengio，Hinton和LeCun共同带来的算法的启发 - 无论是用于解锁手机的面部识别系统，还是在你写邮件时语言模型系统建议加入的词语。
这三名技术鼻祖占据了人工智能研究生态系统的突出位置，他们跨越了学术和业界。Hinton在谷歌和多伦多大学之间穿梭工作; Bengio是蒙特利尔大学的教授，并创立了一家名为Element AI的AI公司; LeCun是Facebook的首席人工智能科学家，也是纽约大学的教授。
谷歌人工智能负责人杰夫·迪恩赞扬了这三人的成就： “深度神经网络是现代计算机科学的一些最伟大的进步，而这一切的核心是今年的图灵奖获奖者，Yoshua Bengio，Geoff Hinton和Yann LeCun开发的基本技术。”
人工智能的研究以其繁荣与萧条的周期而闻名，问题的提出和解决通常会持续一代人或者更长时间，当研究未能满足期望时，研发投入就会收缩，这被称为“人工智能冬季”。在20世纪80年代后期的一个典型的“冬季”，Bengio，Hinton和LeCun开始交流思想并开展工作，包括神经网络 - 由连接的数字神经元制成的计算机程序在那时被提出，而现在它们已成为现代AI的关键组成部分。
“在90年代中期和21世纪中期之间出现了一个黑暗时期，当时不太可能有条件发表关于神经网络的研究，因为技术社区已经对它失去了兴趣。”LeCun说。
就在这前景并不太明朗的背景下，三人从加拿大政府获得资金，成立了一个结构松散的研究中心。 他们为学生组织定期研讨会和暑期学校，这创造了一个小型社区，在2012年左右到2013年，人工智能的应用开始真正爆发了。
来自GPU（最初设计用于游戏）的廉价处理能力和丰富的数字数据，为这些小型认知引擎提供了动力。自2012年以来，Bengio，Hinton和LeCun开创的基本技术，包括反向传播和卷积神经网络，已经在人工智能中普遍存在，并且在技术方面已经普及。
LeCun表示，他对人工智能的前景持乐观态度，但他也很清楚，在该领域实现其承诺之前还需要做更多的工作。当前的AI系统需要大量数据来理解世界，可以轻易欺骗，并且只擅长特定任务。 “这只是没有常识性的机器。”LeCun说。如果该领域要继续向上发展，那么就需要发现新的方法，这些方法与AI的教父所开发的方法一样具有基础性质。
