01 · 计算人生
成果背后的人
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。
理解这项贡献
约书亚·本吉奥、杰弗里·辛顿和杨立昆的概念与工程突破，使深度神经网络成为计算的重要工具。网络可以从数据中学习中间表示，不必手工设计每项特征。训练调整参数，让多层计算共同服务于任务。
为什么重要
学习得到的表示改变了图像识别、语音处理以及其他模式学习任务。