🌟 AI领域重要人物（100位大师）

按AI发展阶段精选该领域的重要人物，从图灵、麦卡锡到辛顿、杨立昆，这些大师塑造了人工智能的过去、现在和未来。

发展阶段

100

重要人物

20+

图灵奖得主

1950-1970

🌱 萌芽期：AI的奠基者（15人）

这个阶段，图灵提出了"机器是否能思考"的问题，麦卡锡创造了"人工智能"一词，第一批AI程序诞生（如逻辑理论家、通用问题求解器）。这些奠基者定义了AI研究的边界和核心问题。

⭐ 开创者

艾伦·图灵

Alan Turing

数学家、逻辑学家

1912-1954

英国数学家、逻辑学家，被称为"计算机科学之父"和"AI之父"。他在1936年提出了"图灵机"概念，1950年发表了开创性论文《计算机器与智能》，提出了"图灵测试"。

主要贡献：提出图灵测试、图灵机概念、破解Enigma密码、定义了"可计算性"概念。

荣誉：图灵奖以其名字命名、皇家学会院士、时代杂志20世纪100位最重要人物之一。

⭐ 命名者

约翰·麦卡锡

John McCarthy

计算机科学家

1927-2011

美国计算机科学家，在1956年的达特茅斯会议上首次提出了"人工智能"（Artificial Intelligence）一词。他发明了LISP编程语言，并在AI的基础理论方面做出了重要贡献。

主要贡献：创造"人工智能"一词、发明LISP语言、提出情境演算（Situation Calculus）、时间共享系统概念。

荣誉：1971年图灵奖、美国国家科学奖章（1990）。

⭐ 理论家

马文·明斯基

Marvin Minsky

认知科学家

1927-2016

美国认知科学家，MIT人工智能实验室的联合创始人。他在1951年建造了第一个神经网络模拟器SNARC，1969年与Seymour Papert合著了《感知机》，对神经网络研究产生了深远影响。

主要贡献：提出框架理论（Frame Theory）、共情机器概念、SNARC神经网络模拟器、影响AI研究方向的《感知机》一书。

荣誉：1969年图灵奖、日本奖（1990）、本杰明·富兰克林奖章（2001）。

艾伦·纽厄尔

Allen Newell

计算机科学家、认知心理学家

1927-1992

美国计算机科学家和认知心理学家，与Herbert A. Simon合作开发了"逻辑理论家"（第一个AI程序）和"通用问题求解器"（GPS）。他们的研究连接了AI和认知科学。

主要贡献：逻辑理论家程序、通用问题求解器（GPS）、物理符号系统假说、认知架构（如Soar）。

荣誉：1975年图灵奖（与Simon共享）、美国国家科学院院士。

赫伯特·西蒙

Herbert A. Simon

经济学家、认知心理学家

1916-2001

美国经济学家、认知心理学家，1978年诺贝尔经济学奖得主。他是少有的在多个领域都有重大贡献的学者，与Allen Newell合作推动了AI和认知科学的发展。

主要贡献：有限理性理论、逻辑理论家程序、GPS程序、决策理论、组织理论。

荣誉：1975年图灵奖（与Newell共享）、1978年诺贝尔经济学奖、美国国家科学奖章（1986）。

亚瑟·塞缪尔

Arthur Samuel

计算机科学家

1901-1990

美国计算机科学家，在1959年创造了"机器学习"（Machine Learning）一词。他开发了第一个自学习程序——跳棋程序，该程序能够通过与自己对弈来改进性能。

主要贡献：创造"机器学习"一词、开发第一个自学习跳棋程序、提出"从经验中学习"的概念。

荣誉：IEEE计算机先锋奖（1987）。

奥利弗·塞尔弗里奇

Oliver Selfridge

数学家、计算机科学家

1926-2008

英国数学家和计算机科学家，被称为"机器学习之父"。他在1959年发表了《Pandemonium: A Paradigm for Learning》（群魔殿：学习的范式），提出了"群魔殿"模型，这是早期神经网络的重要思想。

主要贡献：提出群魔殿模型、早期神经网络研究、模式识别、机器学习基础理论。

荣誉：MIT人工智能实验室研究员。

弗兰克·罗森布拉特

Frank Rosenblatt

心理学家、计算机科学家

1928-1971

美国心理学家和计算机科学家，在1958年发明了感知机（Perceptron）——第一个能够"学习"的神经网络。感知机是后来多层感知机和深度学习的基础。

主要贡献：发明感知机、提出Delta学习规则、早期神经网络研究、连接主义思想。

荣誉：Cornell航空实验室研究员。

JvN

约翰·冯·诺依曼

John von Neumann

数学家、物理学家

1903-1957

匈牙利裔美国数学家，被称为"计算机之父"。他提出了"冯·诺依曼架构"（存储程序计算机），并对博弈论、量子力学、算子理论等做出了重大贡献。他的思想对AI理论有深远影响。

主要贡献：冯·诺依曼架构、博弈论、自复制自动机理论、算子理论、对AI理论基础的影响。

荣誉：美国总统自由勋章（1956）、Enrico Fermi奖（1957）。

克劳德·香农

Claude Shannon

数学家、电子工程师

1916-2001

美国数学家和电子工程师，被称为"信息论之父"。他在1948年发表了《通信的数学理论》，奠定了信息论的基础。他的"这些us怪机器"（Theseus）是早期强化学习的例子。

主要贡献：信息论、布尔代数在电路设计中的应用、这些us怪机器（强化学习早期例子）、对AI中信息处理的影响。

荣誉：IEEE荣誉奖章（1966）、日本奖（1985）、美国国家科学奖章（1993）。

诺伯特·维纳

Norbert Wiener

数学家

1894-1964

美国数学家，被称为"控制论之父"。他在1948年出版了《控制论》（Cybernetics），提出了"反馈"概念，这对早期神经网络和自适应系统研究产生了重要影响。

主要贡献：控制论、反馈概念、对神经网络研究的影响、自适应系统理论。

荣誉：美国国家科学院院士、美国艺术与科学院院士。

沃伦·麦卡洛赫

Warren Sturgis McCulloch

神经生理学家、数学家

1898-1969

美国神经生理学家和数学家，与Walter Pitts在1943年合作发表了《A Logical Calculus of the Ideas Immanent in Nervous Activity》（神经活动中内在思想的逻辑演算），提出了MP模型（第一个数学模型 of 神经元）。

主要贡献：MP模型（第一个神经元数学模型）、神经网络数学基础、控制论先驱。

荣誉：伊利诺伊大学研究员。

沃尔特·皮茨

Walter Pitts

逻辑学家、数学家

1923-1969

美国逻辑学家和数学家，与Warren McCulloch合作提出了MP模型。他14岁就与Bertrand Russell通信，后来成为Russell的助手。他的工作连接了神经网络和数理逻辑。

主要贡献：MP模型、神经网络与数理逻辑的连接、早期神经网络理论。

荣誉：MIT研究员。

唐纳德·赫布

Donald Hebb

心理学家

1904-1985

加拿大心理学家，在1949年出版了《The Organization of Behavior》（行为的组织），提出了"赫布法则"（Hebbian Learning）——"一起激发的神经元连在一起"。这是无监督学习的基础。

主要贡献：赫布法则（Hebbian Learning）、神经心理学、学习理论、对无监督学习的影响。

荣誉：加拿大心理学会终身成就奖（1980）。

⭐ 总结

爱德华·费根鲍姆

Edward Feigenbaum

计算机科学家

1936-2025

美国计算机科学家，被称为"专家系统之父"。他在1960年代开发了DENDRAL（第一个专家系统），后来领导了EXPERT、META-DENDRAL等项目。他的工作连接了萌芽期和专家系统时代。

主要贡献：DENDRAL专家系统、知识工程、费根鲍姆假说（知识是AI系统的关键）、连接萌芽期和专家系统时代。

荣誉：1994年图灵奖（与Raj Reddy共享）、美国国家工程院院士。

1970-1980

❄️ 第一次寒冬：AI的低谷（10人）

这个阶段，AI研究遇到了瓶颈。Minsky和Papert的《感知机》一书证明了单层感知机无法解决XOR问题，导致神经网络研究陷入低谷。同时，AI系统的计算复杂度过高，无法扩展到实际问题。许多AI项目失去了资助，这个时期被称为"AI寒冬"。

⭐ 影响者

西摩·佩伯特

Seymour Papert

数学家、计算机科学家

1928-2016

南非裔美国数学家和计算机科学家，与Marvin Minsky合著了《感知机》（1969）。这本书证明了单层感知机无法解决XOR问题，导致神经网络研究陷入低谷。

主要贡献：《感知机》一书（引发第一次AI寒冬）、Logo编程语言（教育用）、构造主义学习理论。

荣誉：MIT教授、AAAI Fellow。

詹姆斯·麦克莱兰德

James L. McClelland

心理学家、认知科学家

1948-

美国心理学家和认知科学家，与David E. Rumelhart在1986年合编了《Parallel Distributed Processing》（并行分布式处理，PDP），重新点燃了神经网络研究。

主要贡献：PDP书籍（重新点燃神经网络研究）、连接主义、分布式表示、对深度学习的间接影响。

荣誉：美国国家科学院院士、Rumelhart奖（2005）。

大卫·鲁梅尔哈特

David E. Rumelhart

心理学家、认知科学家

1942-2011

美国心理学家和认知科学家，与James L. McClelland在1986年合编了《Parallel Distributed Processing》（PDP），重新点燃了神经网络研究。他的工作连接了认知科学和AI。

主要贡献：PDP书籍、连接主义、反向传播算法的重新发现、对深度学习的间接影响。

荣誉：美国国家科学院院士、Rumelhart奖（以他命名）。

⭐ 理论家

约翰·霍普菲尔德

John Hopfield

物理学家

1933-

美国物理学家，在1982年提出了Hopfield网络（一种递归神经网络），为神经网络研究提供了新的理论基础。他的工作连接了物理学和神经网络。

主要贡献：Hopfield网络、联想记忆理论、物理学与神经网络的连接、对深度学习理论的影响。

荣誉：美国国家科学院院士、IEEE神经网络先锋奖（1999）、本杰明·富兰克林奖章（2019）。

⭐ 深度学习之父

杰弗里·辛顿

Geoffrey Hinton

计算机科学家、认知心理学家

1947-

英国裔加拿大计算机科学家和认知心理学家，被称为"深度学习之父"。他在1986年重新发现了反向传播算法，并在2006年提出了深度信念网络（DBN），开启了深度学习时代。

主要贡献：反向传播算法的重新发现、深度信念网络（DBN）、胶囊网络（Capsule Networks）、2018年图灵奖得主。

荣誉：2018年图灵奖（与LeCun、Bengio共享）、2024年诺贝尔物理学奖（与Hopfield共享）。

⭐ 卷积网络之父

杨立昆

Yann LeCun

计算机科学家

1960-

法国裔美国计算机科学家，被称为"卷积网络之父"。他在1998年提出了LeNet-5（最早的CNN之一），并在2012年后推动了深度学习在计算机视觉中的应用。

主要贡献：LeNet-5（CNN先驱）、卷积神经网络（CNN）研究、2018年图灵奖得主、Meta AI研究科学家。

荣誉：2018年图灵奖（与Hinton、Bengio共享）、IEEE神经网络先锋奖（2014）。

⭐ 深度学习三巨头之一

约书亚·本吉奥

Yoshua Bengio

计算机科学家

1964-

加拿大计算机科学家，被称为"深度学习三巨头"之一。他在2012年后推动了深度学习在自然语言处理中的应用，并在2014年提出了注意力机制（为Transformer奠定基础）。

主要贡献：深度学习基础研究、注意力机制早期工作、2018年图灵奖得主、加拿大蒙特利尔大学教授。

荣誉：2018年图灵奖（与Hinton、LeCun共享）、加拿大总督奖（2017）。

于尔根·施密德胡贝

Jürgen Schmidhuber

计算机科学家

1963-

德国计算机科学家，在1990年代提出了许多深度学习的基础概念（如LSTM、GAN的雏形）。他被认为是"被遗忘的深度学习先驱"。

主要贡献：LSTM（长短期记忆网络）早期工作、生成对抗网络（GAN）雏形、递归神经网络（RNN）研究。

荣誉：IEEE神经网络先锋奖（2016）、Helmholtz奖（2013）。

塞普·霍赫赖特

Sepp Hochreiter

计算机科学家

1967-

奥地利计算机科学家，在1997年与Jürgen Schmidhuber合作提出了LSTM（长短期记忆网络），解决了RNN的梯度消失问题。LSTM成为序列建模的标准方法。

主要贡献：LSTM（长短期记忆网络）、梯度消失问题研究、序列建模、德国慕尼黑工业大学教授。

荣誉：IEEE神经网络先锋奖（2016，与Schmidhuber共享）。

⭐ 总结

福岛邦彦

Kunihiko Fukushima

电子工程师、计算机科学家

1936-

日本电子工程师和计算机科学家，在1980年提出了Neocognitron（新认知机）——第一个真正的卷积神经网络。这是LeNet和现代CNN的先驱。

主要贡献：Neocognitron（第一个CNN）、卷积神经网络早期工作、对LeCun等后辈的影响。

荣誉：IEEE神经网络先锋奖（2004）、日本奖提名。

1980-1990

🎯 专家系统时代：知识工程（15人）

这个阶段，专家系统（Expert Systems）取得了巨大成功。DENDRAL（化学分析）、MYCIN（医学诊断）、 XCON（计算机配置）等系统在商业上取得了成功。知识工程（Knowledge Engineering）成为AI研究的热点。同时，符号AI（Symbolic AI）达到了顶峰。

⭐ 专家系统先驱

布鲁斯·G·布坎南

Bruce G. Buchanan

计算机科学家

1938-2025

美国计算机科学家，与Edward Feigenbaum合作开发了DENDRAL（第一个专家系统）。他还在MYCIN（医学诊断专家系统）的开发中发挥了重要作用。

主要贡献：DENDRAL专家系统、MYCIN专家系统、知识工程、专家系统评估框架。

荣誉：AAAI Fellow、斯坦福大学教授。

爱德华·肖特利夫

Edward Shortliffe

医学博士、计算机科学家

1947-

美国医学博士和计算机科学家，开发了MYCIN（医学诊断专家系统）。他是早期将AI应用于医学的先驱之一，后来成为美国医学信息学协会主席。

主要贡献：MYCIN专家系统、医学AI、不确定性推理（置信因子）、医学信息学。

荣誉：美国医学信息学协会主席、AAAI Fellow。

约翰·麦克德莫特

John McDermott

计算机科学家

1944-2025

美国计算机科学家，开发了XCON（也称为R1，计算机配置专家系统）。XCON是第一个在商业上取得巨大成功的专家系统，为DEC公司节省了数亿美元。

主要贡献：XCON/R1专家系统、商业专家系统、知识工程实践、AI产业化早期例子。

荣誉：AAAI Fellow、卡内基梅隆大学教授。

兰德尔·戴维斯

Randall Davis

计算机科学家

1951-

美国计算机科学家，在知识表示和专家系统验证方面做出了重要贡献。他提出了"知识系统验证"框架，并研究了专家系统的局限性。

主要贡献：知识系统验证、专家系统局限性研究、知识表示、MIT教授。

荣誉：AAAI Fellow、ACM Fellow、MIT教授。

⭐ 知识工程

道格拉斯·莱纳特

Douglas Lenat

计算机科学家、企业家

1950-

美国计算机科学家和企业家，发起了Cyc项目（1984年至今）——试图将人类常识编码到知识库中。这是AI历史上最长期、最雄心勃勃的知识工程项目。

主要贡献：Cyc项目（常识知识库）、知识工程、AM（自动数学家）程序、AI商业化。

荣誉：AAAI Fellow、Cyc公司创始人。

帕特里克·温斯顿

Patrick Winston

计算机科学家

1943-2019

美国计算机科学家，MIT人工智能实验室主任（1972-1997）。他写了《Artificial Intelligence》教科书（被广泛使用），并在知识表示、学习等方面做出了贡献。

主要贡献：《Artificial Intelligence》教科书、MIT AI Lab领导、知识表示研究、AI教育。

荣誉：AAAI Fellow、MIT教授。

德鲁·麦克德莫特

Drew McDermott

计算机科学家

1949-

美国计算机科学家，在规划和知识表示方面做出了重要贡献。他提出了"规划即搜索"观点，并研究了非单调推理（Non-monotonic Reasoning）。

主要贡献：规划研究、知识表示、非单调推理、耶鲁大学教授。

荣誉：AAAI Fellow、耶鲁大学教授。

约翰·德·克利尔

Johan de Kleer

计算机科学家

1950-

荷兰裔美国计算机科学家，在定性推理（Qualitative Reasoning）和约束满足问题（CSP）方面做出了重要贡献。他是Xerox PARC的研究员。

主要贡献：定性推理、约束满足问题、假设与验证框架、Xerox PARC研究员。

荣誉：AAAI Fellow、IJCAI卓越研究奖（1997）。

杰拉德·萨斯曼

Gerald Sussman

计算机科学家

1947-

美国计算机科学家，MIT教授。他开发了SCHEME编程语言（LISP的方言），并在高级规划（如“复印式规划”）方面做出了贡献。

主要贡献：SCHEME编程语言、高级规划研究、MIT AI Lab成员、《Structure and Interpretation of Computer Programs》合著者。

荣誉：ACM Fellow、MIT教授。

罗杰·尚克

Roger Schank

认知科学家、AI研究者

1946-2025

美国认知科学家和AI研究者，在故事理解（Story Understanding）和基于案例推理（Case-Based Reasoning, CBR）方面做出了重要贡献。他是西北大学学习科学研究所的创始人。

主要贡献：故事理解、基于案例推理（CBR）、学习科学研究、AI教育。

荣誉：AAAI Fellow、西北大学教授。

珍妮特·科洛德纳

Janet Kolodner

计算机科学家、认知科学家

1950-

美国计算机科学家和认知科学家，在基于案例推理（CBR）方面做出了重要贡献。她开发了CREEK系统（早期CBR系统），并研究了记忆和学习的关系。

主要贡献：基于案例推理（CBR）、CREEK系统、记忆与学习研究、佐治亚理工学院教授。

荣誉：AAAI Fellow、佐治亚理工学院教授。

迈克尔·杰内塞雷思

Michael Genesereth

计算机科学家

1948-

美国计算机科学家，斯坦福大学教授。他在知识表示和逻辑推理方面做出了贡献，并开发了Datalog语言（数据库查询语言）。

主要贡献：知识表示、逻辑推理、Datalog语言、语义网早期研究、斯坦福大学教授。

荣誉：AAAI Fellow、斯坦福大学教授。

⭐ 总结

尼尔斯·尼尔松

Nils Nilsson

计算机科学家

1933-2025

美国计算机科学家，在AI规划和搜索算法方面做出了开创性贡献。他提出了A*搜索算法（与Peter Hart、Bertram Raphael合作），并写了《Principles of Artificial Intelligence》等经典教科书。

主要贡献：A*搜索算法、AI规划研究、《Principles of Artificial Intelligence》教科书、斯坦福大学教授。

荣誉：AAAI Fellow、IJCAI卓越研究奖（1993）、斯坦福大学教授。

1990-2010

🤖 机器学习崛起：统计方法（20人）

这个阶段，机器学习（Machine Learning）开始成为AI的主流方法。Vapnik的《统计学习理论》推动了支持向量机（SVM）的发展，Breiman的随机森林、Freund和Schapire的AdaBoost等集成方法也取得了成功。同时，贝叶斯方法、图模型、强化学习等也取得了重要进展。

⭐ 理论大师

弗拉基米尔·万普尼克

Vladimir Vapnik

数学家、计算机科学家

1936-

俄裔美国数学家和计算机科学家，被称为"统计学习理论之父"。他在1995年提出了支持向量机（SVM），成为1990-2000年代最流行的机器学习方法。

主要贡献：统计学习理论、《统计学习理论》教科书、支持向量机（SVM）、VC维理论。

荣誉：美国国家科学院院士（2006）、IEEE荣誉奖章（2017）。

⭐ 教育家

汤姆·米切尔

Tom Mitchell

计算机科学家

1951-

美国计算机科学家，卡内基梅隆大学教授。他写了《Machine Learning》教科书（1997），这是机器学习领域的标准教材。他还研究了Never-Ending Language Learning（NELL）项目。

主要贡献：《Machine Learning》教科书、NELL项目、机器学习教育、卡内基梅隆大学教授。

荣誉：AAAI Fellow、ACM Fellow、卡内基梅隆大学教授。

莱奥·布雷曼

Leo Breiman

统计学家

1928-2005

美国统计学家，在2001年提出了随机森林（Random Forest）算法。随机森林是一种集成方法，通过构建多个决策树并取平均值来提高性能。

主要贡献：随机森林算法、集成方法、分类与回归树（CART）、统计学与机器学习的桥梁。

荣誉：美国国家科学院院士、加州大学伯克利分校教授。

约亚夫·弗罗因德

Yoav Freund

计算机科学家

1961-

以色列计算机科学家，与Robert Schapire在1996年提出了AdaBoost（自适应提升）算法。AdaBoost是一种集成方法，通过组合多个弱分类器来构建强分类器。

主要贡献：AdaBoost算法、集成方法、计算学习理论、加州大学圣地亚哥分校教授。

荣誉：Gödel奖（2003，与Schapire共享）、AAAI Fellow。

罗伯特·沙皮尔

Robert Schapire

计算机科学家

1962-

美国计算机科学家，与Yoav Freund在1996年提出了AdaBoost算法。他的研究集中在机器学习理论、集成方法和在线学习。

主要贡献：AdaBoost算法、集成方法、计算学习理论、普林斯顿大学教授。

荣誉：Gödel奖（2003，与Freund共享）、AAAI Fellow、ACM Fellow。

杰罗姆·弗里德曼

Jerome Friedman

统计学家

1939-

美国统计学家，与Leo Breiman、Charles J. Stone、R.A. Olshen合著了《Classification and Regression Trees》（分类与回归树，CART）一书。CART是决策树学习的经典方法。

主要贡献：CART算法、分类与回归树、《Classification and Regression Trees》教科书、斯坦福大学教授。

荣誉：美国国家科学院院士、斯坦福大学教授。

⭐ 教育家

彼得·诺维格

Peter Norvig

计算机科学家

1956-

美国计算机科学家，Google研究总监。他与Stuart Russell合著了《Artificial Intelligence: A Modern Approach》（人工智能：现代方法，AIMA），这是AI领域最广泛使用的教科书。

主要贡献：《Artificial Intelligence: A Modern Approach》教科书、Google研究总监、AI教育、Programming Collective Intelligence。

荣誉：AAAI Fellow、ACM Fellow、NASA杰出服务奖。

⭐ 教育家

斯图尔特·拉塞尔

Stuart Russell

计算机科学家

1962-

英国裔美国计算机科学家，加州大学伯克利分校教授。他与Peter Norvig合著了《Artificial Intelligence: A Modern Approach》（AIMA），这是AI领域的标准教科书。

主要贡献：《Artificial Intelligence: A Modern Approach》教科书、AI安全性研究、《Human Compatible》作者、加州大学伯克利分校教授。

荣誉：AAAI Fellow、ACM Fellow、IJCAI卓越研究奖（2022）。

⭐ 图模型之父

朱迪亚·珀尔

Judea Pearl

计算机科学家、哲学家

1936-

以色列裔美国计算机科学家和哲学家，被称为"图模型之父"。他在1980年代提出了贝叶斯网络（Bayesian Networks），并后来发展了因果推断（Causal Inference）理论。

主要贡献：贝叶斯网络、因果推断理论、《Causality》作者、图模型、2011年图灵奖得主。

荣誉：2011年图灵奖、IJCAI卓越研究奖（1999）、Benjamin Franklin奖章（2008）。

达夫妮·科勒

Daphne Koller

计算机科学家、企业家

1968-

以色列裔美国计算机科学家和企业家，与Nir Friedman合著了《Probabilistic Graphical Models》（概率图模型）教科书。她是Coursera的联合创始人之一，后来创立了Insitro（用AI进行药物发现）。

主要贡献：概率图模型、《Probabilistic Graphical Models》教科书、Coursera联合创始人、Insitro创始人。

荣誉：麦克阿瑟奖（2004）、AAAI Fellow、ACM Fellow、斯坦福大学教授。

尼尔·弗里德曼

Nir Friedman

计算机科学家

1967-

以色列计算机科学家，与Daphne Koller合著了《Probabilistic Graphical Models》（概率图模型）教科书。他的研究集中在概率图模型、贝叶斯网络和学习。

主要贡献：概率图模型、《Probabilistic Graphical Models》教科书、贝叶斯网络、希伯来大学教授。

荣誉：AAAI Fellow、希伯来大学教授。

佐宾·加拉马尼

Zoubin Ghahramani

计算机科学家

1970-

伊朗裔英国计算机科学家，在贝叶斯机器学习、高斯过程和非参数贝叶斯方法方面做出了重要贡献。他是University of Cambridge的教授，也是Uber AI Labs的前负责人。

主要贡献：贝叶斯机器学习、高斯过程、非参数贝叶斯方法、Cambridge大学教授。

荣誉：AAAI Fellow、Royal Society Fellow。

卡尔·爱德华·拉斯穆森

Carl Edward Rasmussen

计算机科学家

1968-

丹麦计算机科学家，与Christopher K. I. Williams合著了《Gaussian Processes for Machine Learning》（机器学习中的高斯过程）。他的研究集中在高斯过程、贝叶斯优化和强化学习。

主要贡献：高斯过程、《Gaussian Processes for Machine Learning》教科书、贝叶斯优化、剑桥大学教授。

荣誉：剑桥大学教授。

克里斯托弗·毕晓普

Christopher Bishop

计算机科学家

1959-

英国计算机科学家，微软剑桥研究院实验室主任。他写了《Pattern Recognition and Machine Learning》（模式识别与机器学习）教科书，这是机器学习领域的标准教材。

主要贡献：《Pattern Recognition and Machine Learning》教科书、微软剑桥研究院主任、机器学习研究、神经网络。

荣誉：Royal Society Fellow、IEEE Fellow。

凯文·P·墨菲

Kevin P. Murphy

计算机科学家

1968-

美国计算机科学家，Google Research的科学家。他写了《Machine Learning: A Probabilistic Perspective》（机器学习：概率视角）和《Probabilistic Machine Learning》两卷书，这是概率机器学习领域的标准教材。

主要贡献：《Machine Learning: A Probabilistic Perspective》教科书、概率机器学习、Google Research科学家。

荣誉：Google Research科学家。

大卫·巴伯

David Barber

计算机科学家

1964-

英国计算机科学家，写了《Bayesian Reasoning and Machine Learning》（贝叶斯推理与机器学习）教科书。他的研究集中在贝叶斯方法、图模型和机器学习。

主要贡献：《Bayesian Reasoning and Machine Learning》教科书、贝叶斯方法、图模型、伦敦大学教授。

荣誉：伦敦大学教授。

帕万·图拉加

Pavan Turaga

计算机科学家

1980-

印度裔美国计算机科学家，写了《Introduction to Statistical Machine Learning》（统计机器学习导论）。他的研究集中在统计机器学习、计算机视觉和模式识别。

主要贡献：《Introduction to Statistical Machine Learning》教科书、统计机器学习、亚利桑那州立大学教授。

荣誉：亚利桑那州立大学教授。

梅赫里亚尔·莫赫里

Mehryar Mohri

计算机科学家

1964-

法国裔伊朗计算机科学家，与Afshin Rostamizadeh、Ameet Talwalkar合著了《Foundations of Machine Learning》（机器学习基础）。他的研究集中在机器学习理论、计算学习理论和语音识别。

主要贡献：《Foundations of Machine Learning》教科书、机器学习理论、计算学习理论、纽约大学教授。

荣誉：AAAI Fellow、纽约大学教授。

沙伊·沙莱夫-什瓦茨

Shai Shalev-Shwartz

计算机科学家

1973-

以色列计算机科学家，与Shai Ben-David合著了《Understanding Machine Learning: From Theory to Algorithms》（理解机器学习：从理论到算法）。他的研究集中在机器学习理论、支持向量机（SVM）和优化。

主要贡献：《Understanding Machine Learning》教科书、机器学习理论、SVM优化、希伯来大学教授。

荣誉：AAAI Fellow、希伯来大学教授。

⭐ 总结

亚塞尔·S·阿布-莫斯塔法

Yaser S. Abu-Mostafa

计算机科学家

1957-

埃及裔美国计算机科学家，加州理工学院教授。他写了《Learning from Data》（从数据中学习）教科书，并开设了著名的在线课程"Learning from Data"。他的研究集中在机器学习理论和VC维。

主要贡献：《Learning from Data》教科书、VC维理论、机器学习在线教育、加州理工学院教授。

荣誉：AAAI Fellow、加州理工学院教授。

2012-2020

🚀 深度学习突破：神经网络复兴（25人）

这个阶段，深度学习（Deep Learning）取得了突破性进展。2012年，AlexNet在ImageNet竞赛中取得了压倒性胜利，开启了深度学习时代。随后，CNN、RNN、LSTM、Transformer、GAN、RL等技术的结合，推动了计算机视觉、自然语言处理、语音识别、强化学习等领域的快速发展。

⭐ 突破者

亚历克斯·克里热夫斯基

Alex Krizhevsky

计算机科学家

1984-

加拿大计算机科学家，在2012年与Ilya Sutskever、Geoffrey Hinton合作开发了AlexNet。AlexNet在ImageNet竞赛中将错误率从26%降低到15%，开启了深度学习时代。

主要贡献：AlexNet（开启深度学习时代）、CNN在ImageNet上的突破、深度学习产业化早期例子。

荣誉：NeurIPS最佳论文奖（2012）。

⭐ OpenAI创始人

伊利亚·苏茨克韦尔

Ilya Sutskever

计算机科学家、企业家

1986-

以色列裔加拿大计算机科学家和企业家，OpenAI的联合创始人兼首席科学家。他在2012年与Alex Krizhevsky、Geoffrey Hinton合作开发了AlexNet，后来在GPT系列模型的开发中发挥了重要作用。

主要贡献：AlexNet、OpenAI联合创始人、GPT系列模型开发、深度学习研究。

荣誉：NeurIPS最佳论文奖（2012）、OpenAI首席科学家。

⭐ 教育家

安德烈·卡帕西

Andrej Karpathy

计算机科学家、教育家

1986-

斯洛伐克裔加拿大计算机科学家和教育家，Tesla前AI总监。他开设了著名的深度学习课程"CS231n"（卷积神经网络与视觉识别），并在GPT-2、GPT-3的开发中发挥了重要作用。

主要贡献：CS231n课程（深度学习教育）、GPT-2/GPT-3开发、Tesla AI总监、深度学习可视化工具。

荣誉：斯坦福大学博士、Tesla前AI总监。

⭐ GAN之父

伊恩·古德费洛

Ian Goodfellow

计算机科学家

1987-

美国计算机科学家，在2014年提出了生成对抗网络（GAN）。GAN是一种生成模型，通过两个神经网络（生成器和判别器）的对抗训练来生成逼真的数据。

主要贡献：生成对抗网络（GAN）、《Deep Learning》教科书（与Bengio、Courville合著）、Google Research科学家。

荣誉：NeurIPS最佳论文奖提名（2014）、Google Research科学家。

⭐ Transformer之父

阿什什·瓦斯瓦尼

Ashish Vaswani

计算机科学家

1980-

印度裔美国计算机科学家，在2017年与Noam Shazeer、Niki Parmar等合著了《Attention is All You Need》论文，提出了Transformer架构。Transformer彻底改变了NLP领域。

主要贡献：Transformer架构、《Attention is All You Need》论文、Self-Attention机制、Google Brain研究员。

荣誉：Google Brain研究员、Transformer论文作者。

诺姆·沙泽尔

Noam Shazeer

计算机科学家、企业家

1974-

美国计算机科学家和企业家，《Attention is All You Need》论文的合著者之一。他后来离开了Google，联合创立了Character.AI（对话AI公司）。

主要贡献：Transformer架构、Character.AI联合创始人、Google Brain前研究员、大型语言模型研究。

荣誉：Transformer论文作者、Character.AI创始人。

⭐ BERT之父

雅各布·德夫林

Jacob Devlin

计算机科学家

1982-

美国计算机科学家，在2018年领导Google团队开发了BERT（Bidirectional Encoder Representations from Transformers）。BERT开启了预训练语言模型的时代。

主要贡献：BERT模型、预训练语言模型、Google Research科学家、NAACL最佳论文奖（2019）。

荣誉：NAACL最佳论文奖（2019）、Google Research科学家。

阿列克谢·博里索维奇

Aleksei Borisovich

计算机科学家

1985-

俄罗斯计算机科学家，与Jacob Devlin等合作开发了BERT。他的研究集中在自然语言处理和预训练语言模型。

主要贡献：BERT模型、预训练语言模型、Google Research科学家。

荣誉：NAACL最佳论文奖（2019，与Devlin等共享）。

张明伟

Ming-Wei Chang

计算机科学家

1983-

台湾裔美国计算机科学家，与Jacob Devlin等合作开发了BERT。他的研究集中在自然语言处理和知识图谱。

主要贡献：BERT模型、预训练语言模型、知识图谱、Google Research科学家。

荣誉：NAACL最佳论文奖（2019，与Devlin等共享）。

肯顿·李

Kenton Lee

计算机科学家

1981-

美国计算机科学家，与Jacob Devlin等合作开发了BERT。他的研究集中在自然语言处理和问答系统。

主要贡献：BERT模型、预训练语言模型、问答系统、Google Research科学家。

荣誉：NAACL最佳论文奖（2019，与Devlin等共享）。

克里斯蒂娜·图塔诺娃

Kristina Toutanova

计算机科学家

1975-

保加利亚裔美国计算机科学家，与Jacob Devlin等合作开发了BERT。她的研究集中在自然语言处理和词向量。

主要贡献：BERT模型、预训练语言模型、词向量研究、Google Research科学家。

荣誉：NAACL最佳论文奖（2019，与Devlin等共享）。

⭐ GPT之父

亚历克·雷德福德

Alec Radford

计算机科学家

1990-

美国计算机科学家，OpenAI的研究员。他在2018年领导开发了GPT（Generative Pre-trained Transformer）和GPT-2，开创了自回归语言模型的先河。

主要贡献：GPT系列模型、自回归语言模型、OpenAI研究员、生成式AI研究。

荣誉：OpenAI研究员、GPT论文作者。

杰弗里·吴

Jeffrey Wu

计算机科学家

1988-

华裔美国计算机科学家，OpenAI的研究员。他与Alec Radford等合作开发了GPT和GPT-2，并在GPT-3的开发中发挥了重要作用。

主要贡献：GPT系列模型、大型语言模型、OpenAI研究员、生成式AI研究。

荣誉：OpenAI研究员、GPT论文合著者。

雷沃·蔡尔德

Rewon Child

计算机科学家

1990-

美国计算机科学家，OpenAI的研究员。他与Alec Radford等合作开发了GPT和GPT-2，并在GPT-3的开发中发挥了重要作用。

主要贡献：GPT系列模型、大型语言模型、OpenAI研究员、生成式AI研究。

荣誉：OpenAI研究员、GPT论文合著者。

大卫·栾

David Luan

计算机科学家

1992-

美国计算机科学家，OpenAI的研究员。他与Alec Radford等合作开发了GPT-2和GPT-3，并在大型语言模型的训练中发挥了重要作用。

主要贡献：GPT系列模型、大型语言模型、OpenAI研究员、生成式AI研究。

荣誉：OpenAI研究员、GPT论文合著者。

⭐ CEO

萨姆·奥尔特曼

Sam Altman

企业家、投资者

1985-

美国企业家和投资者，OpenAI的联合创始人兼CEO。他推动了GPT-3、ChatGPT、GPT-4等模型的开发和发布，是AI产业化的关键人物。

主要贡献：OpenAI联合创始人兼CEO、推动GPT系列模型发布、AI产业化、Y Combinator前总裁。

荣誉：《时代》杂志100位最具影响力人物（2023）、OpenAI CEO。

格雷格·布罗克曼

Greg Brockman

企业家、工程师

1987-

美国企业家和工程师，OpenAI的联合创始人兼董事长。他领导了OpenAI的工程团队，并在GPT-3、ChatGPT等产品的开发中发挥了重要作用。

主要贡献：OpenAI联合创始人兼董事长、领导工程团队、GPT系列模型开发、Stripe前CTO。

荣誉：OpenAI董事长、Stripe前CTO。

达里奥·阿莫代伊

Dario Amodei

计算机科学家、企业家

1985-

美国计算机科学家和企业家，OpenAI的前研究副总裁，后来联合创立了Anthropic（Claude模型的开发公司）。他的研究集中在AI安全和大型语言模型。

主要贡献：OpenAI前研究副总裁、Anthropic联合创始人兼CEO、Claude模型、AI安全研究。

荣誉：Anthropic CEO、OpenAI前研究副总裁。

⭐ 总结

达尼埃拉·阿莫代伊

Daniela Amodei

企业家

1987-

美国企业家，Dario Amodei的姐姐，Anthropic的联合创始人兼总裁。她负责Anthropic的运营和_policy工作，推动了Claude模型的负责任开发。

主要贡献：Anthropic联合创始人兼总裁、AI_policy工作、负责任AI开发、OpenAI前员工。

荣誉：Anthropic总裁、AI_policy倡导者。

2020-至今

大模型时代

2020年GPT-3以1750亿参数震惊业界，标志大语言模型时代到来。GPT-4、Claude、Gemini、LLaMA等相继问世，AI从单一任务走向通用智能。