学习层层递进的模式

杰弗里·辛顿

杰弗里·辛顿推动神经网络重新成为实用的机器学习方法。他与合作者研究内部表示学习、反向传播、玻尔兹曼机和深层网络，在多伦多大学的团队展示大型神经模型在图像识别中的能力。他与约书亚·本吉奥、杨立昆共同获奖，表彰数十年来使深度学习获得广泛影响的概念和工程进展。

杨立昆

杨立昆推动卷积神经网络成为有效的视觉模式识别系统。他在贝尔实验室把可训练特征提取与端到端学习结合起来，包括手写字符识别应用。他后来在纽约大学和 Facebook 继续研究表示学习与机器智能。他对共同获奖成果的贡献尤其体现为将神经网络架构与实用感知系统所需的工程结合起来。

约书亚·本吉奥

约书亚·本吉奥研究深层神经网络如何学习有用表示。他推动语言的分布式表示，并探索深层架构如何从数据中学习复杂结构。他在蒙特利尔大学还建设了重要的机器学习研究共同体。他对共同获奖成果的贡献体现为持续的理论与实验研究，推动深度学习成为人工智能的核心方法。