2019年3月27日——ACM宣布，深度学习的三位创造者 Yoshua Bengio, Yann LeCun, 以及 Geoffrey Hinton 获得了2019年的图灵奖。

今天，深度学习已经成为了人工智能技术领域最重要的技术之一。在最近数年中，计算机视觉、语音识别、自然语言处理和机器人取得的爆炸性进展都离不开深度学习。

三位科学家提出了深度学习的基本概念，在实验中发现了惊人的结果，也在工程领域做出了重要突破，帮助深度神经网络获得实际应用。

在ACM的公告中，Hinton最重要的贡献来自他1986年发表 反向传播 的论文“Learning Internal Representations by Error Propagation”，1983年发明的 玻尔兹曼机 （Boltzmann Machines），以及2012年对 卷积神经网络 的改进。

Hinton和他的学生Alex Krizhevsky以及Ilya Sutskever 通过Rectified Linear Neurons和 Dropout Regularization改进了卷积神经网络，并在著名的ImageNet评测中取得了很好的成绩，在计算机视觉领域掀起一场革命。

Bengio的贡献主要在1990年代发明的 Probabilistic models of sequences。 他把神经网络和概率模型（例如隐马尔可夫模型）结合在一起，并和AT&T公司合作，用新技术识别手写的支票。现代深度学习技术中的语音识别也是这些概念的扩展。

此外Bengio在2000年还发表了划时代的论文“A Neural Probabilistic Language Model”，使用 高维词向量 来表征自然语言。他的团队还引入了 注意力机制 ，让机器翻译获得突破，也成为了让深度学习处理序列的重要技术。

Yann LeCun的代表贡献之一是 卷积神经网络。 1980年代，LeCun发明了卷积神经网络，现在已经成为了机器学习领域的基础技术之一，也让深度学习效率更高。1980年代末期，Yan LeCun在多伦多大学和贝尔实验室工作期间，首次将卷积神经网络用于手写数字识别。今天，卷积神经网络已经成为了业界标准技术，广泛用于计算机视觉、语音识别、语音合成、图片合成，以及自然语言处理等学术方向，以及自动驾驶、医学图片识别、语音助手、信息过滤等工业应用方向。

LeCun的第二个重要贡献是 改进了反向传播算法。 他提出了一个早期的反向传播算法backprop，也根据变分原理给出了一个简洁的推导。他的工作让反向传播算法更快，比如描述了两个简单的方法可以减少学习时间。