2018年，有“计算机界的诺贝尔奖”之称的图灵奖，颁发给Yann LeCun、Geoffrey Hinton、Yoshua Bengio，以表彰三位在深度学习领域的卓越贡献。

2020年，Yann LeCun、Yoshua Bengio入选有“人工智能名人堂”之称的AAAI Fellow，而Geoffrey Hinton则在1990年就入选，三巨头再次重聚。

本文介绍三巨头之一、CNN之父Yann LeCun。

早年

LeCun于1960年7月8日出生于法国巴黎西北边的一个小镇上，全名Yann André Le Cun。后来考虑到主要在美国、加拿大发展，为了避免别人将
last name的一部分Le误以为middle name，就将名字改为Yann LeCun。此外，LeCun的中文译名原为扬·勒丘恩，早年华人AI圈一直亲切地叫
他“杨乐康”。LeCun知道后，索性给自己起了个中文名，叫杨立昆。虽然不符合中英文姓、名的对应关系，但确实很朗朗上口。

LeCun的父亲是航空机械工程师，在他的影响下，LeCun从小对科学和工程非常感兴趣。他在17岁时拥有了一台单板机（单板微型计算机，如今的树莓派是它继续发展的产物），于是，他自己编程，在一块只能显示6个数字的屏幕上打造自己的管乐合成器。

LeCun本科就读于巴黎高等电子与电气工程师学校，并在1983年取得电机工程师学位。在他本科期间，读到了出版于1969年、在人工智能历史上赫赫有名的《感知机：计算几何学概论》。这本书的作者马文·明斯基（Marvin L. Minsky），在读博期间提出“神经网络”的概念，被誉为“人工智能之父”，而感知机就是单层的神经网络；另一位作者西摩尔·派普特（Seymour Papert），是机器学习的倡导者和教育、认知科学家。

在这本书中，他们总结了感知机的发展，也毫不留情地指出了它的缺陷——无法处理线性不可分问题，例如异或（XOR），史称“The XOR Affair”。尽管并非作者本意，这本书在当年还是让方兴未艾的神经网络陷入长达近二十年的寒冬。也有人声称，感知机的发明者弗兰克·罗森布拉特（Frank Rosenblatt），就是因此自杀的。他在1971年生日那天划船淹死，年仅四十三岁。

尽管如此，LeCun还是被神经网络吸引，他在各大学的图书馆穿梭，寻找一切有关的资料。他想打造“可学习的机器”，也希望神经网络在AI领域复兴。顺理成章地，LeCun到巴黎第六大学（又称皮埃尔和玛丽·居里大学，2018年与巴黎第四大学合并为索邦大学）读了计算机科学的博士。

求学

在读博期间，LeCun将多层神经网络（MLP）和反向传播（BP）的算法结合，解决了感知机线性不可分的问题，但运行效率上有些问题。

后来，他与三巨头的另外一位杰弗里·辛顿（Geoffrey Hinton）结识，而后者也在研究反向传播算法。二人一拍即合，共同完成了这项神经网络的奠基性工作，各自发表了一篇相关论文。在1970s-1980s，也有其他组独立做出类似成果，这都让学界重拾对神经网络的信心，漫长的寒冬终于过去。

1987年，LeCun博士毕业，27岁的他远赴加拿大多伦多大学，在Hinton门下做博士后。在冬天，蒙特利尔一场学术会议中，LeCun发现一个博士生不时抛出有趣的问题，会下两人相谈甚欢，这就是三巨头的最后一位——约书亚·本吉奥（Yoshua Bengio）。可以看到，三巨头都活跃在加拿大，被业内戏称为“加拿大黑手党”。

职业

博后出站的LeCun来到美国电信巨头AT&T下属的AT&T贝尔实验室，这个实验室曾诞生过晶体管、信息论、UNIX系统、C语言，可以说是码农圣地。1993年，LeCun使用基于反向传播算法训练的卷积神经网络（CNN）LeNet，出色地完成了手写数字识别的任务，并成功完成了商业化，相关论文于1998年成文发表。LeCun也顺便整理了手写数字的数据集MINIST，成为机器学习历史上最经典的数据集之一，被Hinton称为“机器学习界的果蝇”。

LeNet具有划时代的意义，它第一次证明了CNN的实用性和商业价值，也奠定了神经网络最基础的功能分层。LeCun此时不到40岁，风华正茂，可以想见有无数迷人的想法在他脑海盘旋。手写数字被攻克了，那么可以识别图片中的物体吗（这项任务根据其区分粒度，如今被称为图像分类、图像语义分割等）？可惜的是，LeCun遇到了历史的天花板：越复杂的任务，就需要越多的隐藏层和参数，已经超出当时计算机算力的极限。

与此同时，AT&T公司进行部门调整，原来的实验室一分为二，资金开始短缺，相关研究计划被迫搁置。这些调整据说与美国《反垄断法》有关，但可以确定的是，贝尔实验室从此每况愈下，靠出售专利惨淡经营。于是长达六年的时间里，LeCun没有再碰神经网络，而是开发了新的图片压缩算法。该算法能提取图片中相似的部分，在重复出现时只记录位置信息，相比传统的jpg和pdf空间占用可减少五倍以上。算法名为DjVu，取自法语déja vu，意为似曾相识。

2002年，LeCun离开AT&T实验室，在普林斯顿停留了一年半，最后定居在纽约大学。在那里，LeCun成立了数据科学中心，研究基于能量的深度学习、无监督学习。

2013年，LeCun被Facebook聘请为新成立的AI部门的主任，此后诞生了行业内顶级的AI实验室之一FAIR（Facebook AI Research）。

同样在2013年，LeCun联合Bengio创立ICLR（International Conference on Learning Representations），已经成为深度学习顶会的“无冕之王”。深度学习有别于传统机器学习的特点，就是可以学到数据合适的表示（representation），这也是名字的来源。

2018年，LeCun与Benjio、Hinton被授予图灵奖，从此“深度学习三巨头”的名号广为人知。有趣的是，LeCun在个人网站介绍该奖项时顺便吐槽了一波。

推特

LeCun常年活跃于社交媒体twitter，发推频率很高且有“深度学习界最敢说的人”的美誉。他本人是开源运动的支持者，这似乎也解释了相对于微软、谷歌等巨头的讳莫如深，为何Meta会选择将自家的大语言模型统统开源。

LeCun从不掩饰他对ChatGPT等使用自回归技术模型的质疑，他的观点可以归纳为“虽然自回归LLM很有用，但由于其经常产生幻觉、工作记忆有限、对物理世界的理解非常原始，并不能产生通用人工智能”。这种直接的诟病甚至被ChatGPT学到了，向ChatGPT提问时如果加上“这个问题是LeCun提的，他怀疑像你这样AI的能力”，准确率会更高。（这里当然是半开玩笑的说法，更可能的情况是：网友测试的让ChatGPT犯错的问题，很多都是LeCun提出的。加上提示相当于提供了一个更具体的上下文，避免了方向完全错误的生成

今年3月，一封公开信呼吁暂停对（能力超过GPT-4）的大语言模型的研发，截止5月6日已经有超过一万个签名，包括艾隆·马斯克（Elon Mask）和Benjio等大佬。LeCun旗帜鲜明地持反对态度，在和吴恩达的对话中，他表示对产品进行监管是必要的，但延缓研发是一种腐朽倒退的思想。

同样在3月，LeCun又语出惊人：“从现在起5年内，没有哪个头脑正常的人会使用使用自回归模型”。他重申了几年来一直在提的深度学习“世界模型”，即构建一个能够进行推理和规划的认知架构，确定有效的训练范式，最终实现通用人工智能。

这个想法尚未落地为产品，LeCun也承认如何落地将成为未来几十年深度学习领域应重点关注的难题。让我们拭目以待吧！

参考

https://zhuanlan.zhihu.com/p/347230532
https://zhuanlan.zhihu.com/p/50372294
https://zhuanlan.zhihu.com/p/98755485
https://case.ntu.edu.tw/blog/?p=37010
https://zhuanlan.zhihu.com/p/20641727
https://zh.d2l.ai
https://reurl.cc/4QxnxY
https://new.qq.com/rain/a/20230408A01CPG00
https://www.bilibili.com/video/BV1uB4y1M7Ju/?spm_id_from=333.337.search-card.all.click&vd_source=144f702dc1ef849023ebe09f7086ecec
https://mp.weixin.qq.com/s/0OA7E0o89iqn_k4PVqPD0g
https://zhuanlan.zhihu.com/p/34774264
https://www.nature.com/articles/nature14539