有这么一群人，他们通过AI撬动世界！

点击上方关注，All in AI中国

如果没有这些卓越的研究人员的贡献，人工智能将不会是今天的样子。

机器学习是一个非常广泛和多样化的领域，在众多应用程序中不断有各种研究。因此，编写一份列入该领域的最佳机器学习研究人员的清单是具有挑战性的。

请注意，此列表包含目前正在该领域工作的研究人员。

此外，请注意，此列表并不是按照排名进行的。下面列出的每个人都做了非凡的工作，在进一步推动人类的AI状态。

最后，我还将在下面添加一小部分的荣誉奖 - 如果您认为有人应该被添加到列表中，或者在荣誉奖提示部分添加，可以在评论中补充。

a）Tom M. Mitchell

“如果我们希望预测机器学习的未来，我们所要做的就是找出人们学习的方式，但计算机还没有。”

Tom M. Mitchell是卡内基梅隆大学（CMU）的E. Fredkin大学教授。他是CMU机器学习部的前任主席。Mitchell以其对机器学习、人工智能和认知神经科学的进步所做出的贡献而闻名，并且是教科书《机器学习》的作者。他自2010年起成为美国国家工程院院士，同时还是美国科学促进协会会员和人工智能促进协会会员。 2018年10月，被任命为卡内基梅隆大学计算机科学学院临时主任。

b） Geoffrey Hinton

“未来取决于一些对我所说的一切都深表怀疑的研究生。”

Geoffrey Hinton，也被称为AI的教父。 Geoffrey Hinton是神经网络领域的首批研究人员之一。虽然他曾是卡内基梅隆大学的教授，但他是最早展示广义反向传播算法的研究人员之一，是在1985年。但由于当时缺乏计算能力，使用新算法无法实现太多。 2012年晚些时候，他使用相同的算法训练深度神经网络，并在图像识别方面创造了一个重要的里程碑。在吴恩达的指导下，Hinton发布了他在Coursera上的神经网络课程，取得了巨大的成功。

c）Manuela Veloso

J.P. Morgan人工智能研究负责人和卡内基梅隆大学教授，Manuela Veloso教授

Manuela Veloso是卡内基梅隆大学机器学习部前负责人J. P. Morgan和卡内基梅隆大学计算机科学学院Herbert A. Simon大学教授的人工智能研究负责人。 Veloso在2014年之前担任人工智能促进协会（AAAI）主席，并且是RoboCup联合会的联合创始人和前任主席。她是AAAI，电气和电子工程师协会（IEEE），美国科学促进协会（AAAS）和计算机协会（ACM）的研究员。 Veloso是人工智能和机器人技术的国际专家。

d）Michael I. Jordan

人工智能 - 革命尚未发生

Michael I. Jordan目前是加州大学伯克利分校的教授，也是麻省理工学院的前任教授。他的教学与他的研究兴趣非常相似，分为统计学和EECS。他帮助推广了贝叶斯网络在机器学习应用中的应用，并且经常被认为是使统计学和机器学习之间的重叠带给大众注意力的主要思想家之一。他是AAAI，ACM，ASA，CSS，IEEE，IMS，ISBA和SIAM的研究员。他的研究生和博士后学生也已经深刻影响机器学习，其中有一些人大家都很熟悉了， Andrew Ng，David Blei和Zoubin Ghahramani。

e）李飞飞

李飞飞是斯坦福大学计算机科学教授。她目前是斯坦福大学以人为本的人工智能研究所和斯坦福大学视觉与学习实验室的联合主任。 2013年至2018年，她担任斯坦福人工智能实验室（SAIL）的主任。2017年，她与他人联合创办了AI4ALL，一个致力于提高人工智能领域多样性和包容性的非营利组织。她的研究专长包括人工智能（AI）、机器学习、深度学习、计算机视觉和认知神经科学。李飞飞是人工智能领域最多产的研究人员之一。她是ImageNet的主要科学家和首席研究员，ImageNet是一组关键的机器学习数据集和计算机视觉项目。

f）吴恩达

吴恩达是一位英语计算机科学家、高管、投资人和企业家。 吴恩达是Google Brain的联合创始人和领导者，曾担任百度的副总裁兼首席科学家，将该公司的人工智能团队建设成数千人的团队。他是斯坦福大学的兼职教授（前任副教授兼AI实验室主任）。 他也是在线学习的早期先驱，这也促成了Coursera和deeplearning.ai的共同创立。[2]他发起并负责AI Fund，这是一个1.75亿美元的投资基金，用于支持人工智能创业公司。

g）Yann LeCun

Facebook副总裁兼首席科学家，Yann LeCun

Yann LeCun对卷积神经网络的理解和发展做出了重要贡献，特别是在图像识别领域。他花了80年代末和90年代早期的大部分时间与AT＆T合作，首先是作为研究员，最后担任图像处理研究部门负责人，这是图像压缩技术DjVu的主要创建者之一。他于2003年加入纽约大学，担任计算机科学神经科学教授，并于2013年成为Facebook人工智能实验室的负责人。

h） Ian Goodfellow

Ian J. Goodfellow是一名从事机器学习的研究员，目前在Google Brain担任研究科学家。他为深度学习领域做出了一些贡献。 Goodfellow最出名的就是发明了生成性对抗性网络，这是Facebook经常使用的机器学习方法。（4）（5）他也是深度学习教科书的主要作者。[6]在谷歌，他开发了一个系统，使谷歌地图能够自动转录街景汽车拍摄的照片中的地址7，并证明了机器学习系统的安全漏洞。

i）Roni Rosenfeld

“人工智能的巨大力量带来了巨大的责任：开发它以造福全人类，并理解和减轻其风险。没有比CMU更好的工作目标了。“

Roni Rosenfeld是卡内基梅隆大学计算机科学学院机器学习系主任，机器学习、语言技术、计算机科学和计算生物学教授。

自1997年以来，Rosenfeld一直在教授机器学习和统计语言建模。他教过数千名本科生和研究生，是四位博士后学生的导师，也是十几位博士生的导师。Rosenfeld是机器学习、流行病学预测和口语对话技术的世界知名专家。

j）Daphne Koller

Coursera的共同创始人兼联合主席，Daphne Koller

Daphne Koller是斯坦福大学计算机科学系的以色列裔美国教授，也是麦克阿瑟奖学金获得者。她是Coursera的创始人之一，Coursera是一个在线教育平台。她的一般研究领域是人工智能及其在生物医学科学中的应用。科勒在2004年由麻省理工学院技术评论撰写的一篇题为“改变你的世界的10种新兴技术”的文章，其中有关于贝叶斯机器学习的主题。

k）Yoshua Bengio

Yoshua Bengio是世界著名的加拿大计算机科学家，最著名的是他在人工神经网络和深度学习方面的工作。与Geoffrey Hinton和Yann LeCun一样，Cade Metz认为Bengio是20世纪90年代和21世纪初期推动深度学习的三个人之一。[6]而另外两人分别去谷歌和Facebook工作，Bengio则留在了学术界。根据MILA的数据，在h指数至少为100的计算机科学家中，Bengio是每天被引用次数最多的。（7）（8）2016年10月，Bengio联合创立了Element AI，这是一家位于蒙特利尔的企业孵化器，致力于将人工智能（AI）研究转化为现实商业应用。[6] 2017年5月，Bengio宣布他将加入蒙特利尔的法律创业公司Botler AI，担任战略顾问。[9]

l）Ilya Sutskever

他彻底改变了计算机视觉、机器翻译、游戏和机器人

Ilya Sutskever是一名从事机器学习的计算机科学家，目前担任OpenAI的首席科学家。他为深度学习领域做出了几项重大贡献。Sutskever是著名的卷积神经网络AlexNet的共同发明人，他还与Oriol Vinyals和Quoc Le一起发明了序列到序列学习[14]。 Sutskever也是AlphaGo和TensorFlow的共同发明者。

m）Andrej Karpathy

Andrej Karpathy是特斯拉的人工智能和自动驾驶仪视觉总监。他擅长深度学习和图像识别与理解。 Karpathy之前曾在OpenAI担任研究科学家，负责深入学习计算机视觉，生成建模和强化学习。在业余时间，Karpathy致力于维护深度学习库（即ConvNetJS、RecurrentJS、REINFORCEjs、t-sneJS），以及包含由Arxiv提供的机器学习研究论文的扩展库，论文超过60,000篇[10]。

n）François Chollet

Francois Chollet是谷歌的机器学习和人工智能软件工程师，他是著名的Keras [9]的作者，Keras是一个领先的Python深度学习框架，拥有超过250,000名用户和700多名开源贡献者。 Chollet撰写了“深度学习Python”（Manning Publications）一书，截至2018年中期已售出20,000多份。

o）Ruslan Salakhutdinov

Ruslan“Russ”Salakhutdinov是加拿大人工智能领域的研究员。他擅长深度学习、概率图形模型和大规模优化。 Salakhutdinov目前是Apple的AI研究主任，他是卡内基梅隆大学的终身教授，也是最有影响力的深度学习研究人员之一。

p） Lex Fridman

Lex Fridman是麻省理工学院的研究科学家，致力于以人为本的人工智能研究。Fridman特别感兴趣的是在现实世界共享自治系统的背景下开发用于感知、规划和人机交互的深度学习方法。他是AI中最有影响力的研究人员之一。

q）Jürgen Schmidhuber

JürgenSchmidhuber是一位从事人工智能领域工作的计算机科学家。他是位于瑞士南部提契诺州卢加诺区Manno的Dalle Molle人工智能研究所的联合主任。从15岁左右开始，JürgenSchmidhuber教授的主要目标就是建立一个比自己聪明的自我完善人工智能（AI），然后退休。他的实验室的深度学习神经网络（自1991年以来），如长期短期记忆（LSTM）已经改变了机器学习和AI [24]。

r）Sebastian Thrun

“简而言之，机器学习是让计算机无需明确编程即可学习的科学。”

Sebastian Thrun是德国的创新者、企业家教育家和计算机科学家。他是Udacity的董事长兼联合创始人。在此之前，他曾担任谷歌副总裁兼研究员，斯坦福大学计算机科学教授，之前是在卡内基梅隆大学。 Thrun还因其在机器人概率算法方面的工作而闻名，其应用包括机器人映射。[15]为了表彰他的贡献，他在39岁时被选入国家工程院，并于2007年进入科学院Leopoldina。2011年，他获得了Max-Planck研究奖。[26] Thrun的博士生导师是世界知名的AI专家Tom M. Mitchell。

s）Zoubin Ghahramani

Zoubin Ghahramani FRS是英国 - 伊朗研究员和剑桥大学信息工程系教授。他在伦敦大学学院和阿兰图灵学院担任联合任命。自2009年以来一直是剑桥圣约翰学院的院士.Ghahramani于2014年与Gary Marcus，Doug Bemis和Ken Stanley共同创立了Geometric Intelligence公司。优步收购创业公司后，他在2016年就转移到优步的A.I. 实验室。四个月后，他成为首席科学家，取代了Gary Marcus。

t）Demis Hassabis

Demis Hassabis CBE FRS FREng FRSA是英国人工智能研究员、神经科学家、视频游戏设计师、企业家和世界级游戏玩家。 2010年，Hassabis与Shane Legg和Mustafa Suleyman共同创立了DeepMind 19，这是一家位于伦敦的机器学习AI创业公司。 DeepMind的使命是“解决智能”，然后使用智能“解决其他问题”。[18]更具体地说，DeepMind旨在将神经科学和机器学习的见解与计算硬件的新发展融合在一起，以解锁日益强大的通用学习算法，这些算法将用于创建人工通用智能（AGI）。

u) Jeff Dean

Jeff Dean于1999年加入Google。他目前是谷歌AI部门Google.ai的负责人。他的研究包括大规模分布式系统、性能监控、压缩技术、信息检索、机器学习搜索和其他相关问题的应用、机器智能和机器感知。

Dean创立并领导了一个研究大型人工神经网络的团队谷歌Brain，[16]，自从他们从谷歌搜索中分离出来后，他一直领导着人工智能的研究。

v）David Silver

David Silver领导DeepMind的强化学习研究小组，并担任AlphaGo的首席研究员。他于1997年毕业于剑桥大学，获得Addison-Wesley奖，并在那里与Demis Hassabis成为朋友。 Silver共同介绍了第一个master-level9x9 Go程序中使用的算法。11他的MoGo程序版本（与Sylvain Gelly合着）是截至2009年最强大的围棋计划之一。[13]

w）Jeremy Howard

Jeremy Howard是澳大利亚数据科学家和企业家。他是fast.ai的创始研究员，该研究所致力于使深度学习更容易获得。此前，他曾是加利福尼亚州旧金山一家先进的机器学习公司Enlitic的首席执行官和创始人。

x）Richard S. Sutton

Richard S. Sutton是加拿大计算机科学家。目前，他是阿尔伯塔大学计算机科学教授和iCORE主席。 Sutton被认为是现代计算强化学习的创始父亲（或开创性父母）之一，对该领域有几项重要贡献，包括时间差异学习、政策梯度方法、Dyna架构。

y）Peter Norvig

Peter Norvig是一位美国计算机科学家。他是Google Inc.的研究主管，曾经是其公司的搜索质量总监。 Norvig是JScheme的创造者之一。 2006年，他被任命为计算机协会会员。 Norvig被列入奇点大学的“学术教师和顾问”。[28] 2011年，Norvig与Sebastian Thrun合作开发了一个受欢迎的人工智能在线课程[27]，有超过160,000名学生注册。他还通过Udacity平台教授一门在线课程。

z）Eric Xing

Eric Xing是卡内基梅隆大学的教授，也是机器学习、计算生物学和统计学方法论的研究员[30]。他曾多次获奖，包括获得NSF职业奖和Alfred P. Sloan研究奖学金。 Xing与他的合作者开发了Petuum [31]框架，用于分布式机器学习，是包含大数据、大模型和广泛的算法。 2016年，他被选为AAAI研究员[32]。