就在8月份，吳恩達在他新創(chuàng)建的網(wǎng)站 deeplearning.ai 發(fā)布了一系列主題為“ The Heros in Deep Learning ”的訪談視頻。吳恩達面對面采訪了七位大神，熱心人士整理了這七位大神的基本情況，這里匯總了一下，拿出來供大家學習！

Geoffrey Hinton

Geoffrey Hinton 是一位在英國出生的計算機學家，其在神經(jīng)網(wǎng)絡方面的貢獻起到了奠基作用，因為被稱為“神經(jīng)網(wǎng)絡之父”，他是第一批使用廣義反向傳播算法研究人員之一。Geoffrey Hinton 是反向傳播算法和對比散度算法的發(fā)明人之一，也是深度學習的有力推動者，目前供職于多倫多大學與 Google。作為人工智能領(lǐng)域的奠基人之一，截止到 2016 年 11 月，Geoffrey Hinton 的署名文章報告共計超過300 篇。盡管如此，他經(jīng)歷了人工智能的衰落期，甚至連導師都不看好，但他一直對神經(jīng)網(wǎng)絡保持信心，終于在漫長的黑夜過后，直到計算機的性能達到深度學習的要求，Geoffrey Hinton 才開始在學術(shù)界以外得到自己應得的廣泛認可，迎來了人工智能的黎明。

Ian Goodfellow

Ian Goodfellow 是 Google 研究員，與他人合著了《Deep Learning》 教科書，該書在github上有正版電子書。他最受矚目的成就是他提出了生成對抗網(wǎng)絡 ( GAN )，從提出以后一直是熱門的課題。因此被譽為“ GANs 之父”，F(xiàn)acebook AI 研究主管 Yann LeCun 稱 GAN 是“過去 20 年來深度學習方面最酷的想法”。 Ian Goodfellow 被推舉為人工智能領(lǐng)域的頂級專家。

Yoshua Bengio

Yoshua Bengio 是 微軟人工智能研究戰(zhàn)略顧問、蒙特利爾大學計算機科學與運籌學系（DIRO）教授、蒙特利爾學習算法研究所（MILA）負責人、CIFAR 項目的共同負責人、加拿大統(tǒng)計學習算法研究主席。Yoshua Bengio 教授是深度學習領(lǐng)域的奠基人之一，也是經(jīng)典圖書《Learning Deep Architectures for AI》的作者。Yoshua Bengio 與 Geoff Hinton 以及 Yann LeCun 教授一起引領(lǐng)了 2006 年始的深度學習復興。他的研究工作主要聚焦在高級機器學習方面，致力于用其解決人工智能問題。目前他是僅存的幾個仍然全身心投入在學術(shù)界的深度學習教授之一！

Andrej Karpathy

Andrej Karpathy 讀博期間師從現(xiàn)任谷歌首席科學家李飛飛，研究卷積神經(jīng)網(wǎng)絡在計算機視覺、自然語言處理上的應用，以及在這兩個領(lǐng)域的交叉應用。他被人們廣泛所知是由于他和李飛飛一起設(shè)計開發(fā)了“用于視覺識別的卷積神經(jīng)網(wǎng)絡”（CS231n）課程，并親自教授，是斯坦福大學廣受歡迎的深度學習課程之一。此外，他還是特斯拉的AI首次專家，特斯拉為人所知的自動駕駛就是由他主導的！

Pieter Abbeel

Pieter Abbeel的導師是 Andrew Ng。主要研究將深度強化學習應用到機器人上。2008 年在加州大學伯克利分校擔任電氣工程和計算機科學系擔任教授。Pieter Abbeel 是用深度強化學習做運動規(guī)劃的領(lǐng)軍人物，過去 15 年， Pieter Abbeel 一直在尋找讓機器人學習的方法。2010 年他和他的學生對 BRETT（Berkeley Robot for the Elimination of Tedious Tasks，用于解決繁雜任務的伯克利機器人）進行了編程，使其可以拿起不同大小的毛巾、弄清楚它們的形狀并將它們整齊疊好。

Ruslan Salakhutdinov

Ruslan Salakhutdinov師從 Geoffrey Hinton，研究的領(lǐng)域主要包括深度學習、概率圖譜模型以及大規(guī)模優(yōu)化等。Ruslan Salakhutdinov 2011 年在多倫多大學擔任助理教授，2016 年 2 月轉(zhuǎn)到卡內(nèi)基梅隆大學擔任副教授。同年，出任蘋果人工智能研究院首任總監(jiān).006 年 7 月，Ruslan Salakhutdinov 作為第二作者，與作為第一作者的導師 Geoffrey Hinton 在 Nature 雜志上合作發(fā)表了論文《用 NN 實現(xiàn)數(shù)據(jù)的降維》（Reducing the Dimensionality of Data with Neural Networks），這篇論文提出了通過最小化函數(shù)集對訓練集數(shù)據(jù)的重構(gòu)誤差，自適應地編解碼訓練數(shù)據(jù)的算法 deep autoencoder，作為非線性降維方法在圖像和文本降維實驗中明顯優(yōu)于傳統(tǒng)方法，證明了深度學習方法的正確性,引起了整個學術(shù)界對深度學習的興趣，才有了近十年來深度學習研究的突飛猛進和突破。

Yann LeCun

吳恩達并沒有采訪到 Yann LeCun，但這位大神在深度學習領(lǐng)域的地位不容小覷，他號稱“卷積網(wǎng)絡神經(jīng)之父”,師從 Geoffrey Hinton。于 1988 年加入位于新澤西州的 AT&T 貝爾實驗室，1993 年研發(fā)了一套能夠識別手寫數(shù)字的識別系統(tǒng)，命名為 LeNet ，被全世界多家銀行用于識別支票。1996 年他成為圖像處理研究部的主任，2003 年加入紐約大學任教。2013 年，他被 Facebook 聘請為人工智能實驗室（FAIR）主任，專注于一個獨特的目標，即開發(fā)具有與人類同等智能水平的電腦。同時，仍在紐約大學擔任教授。1989 年，Yann LeCun 在貝爾實驗室提出了卷積神經(jīng)網(wǎng)絡（convolutionalneuralnetwork，CNN）技術(shù)，發(fā)表了論文《反向傳播算法應用于手寫郵政編碼識別》（Backpropagation Applied to Handwritten Zip Code），并展示如何使用它來大幅度提高手寫識別能力，因此被譽為“卷積神經(jīng)網(wǎng)絡之父”。卷積神經(jīng)網(wǎng)絡是近年發(fā)展起來的一種高效識別方法。神經(jīng)網(wǎng)絡正在迅速改變互聯(lián)網(wǎng)最大的參與者，包括 Google、Facebook、Microsoft。